基于主成分分析和神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)糖基化位點(diǎn)的預(yù)測(cè).pdf

1、隨著計(jì)算機(jī)科學(xué)和生物科學(xué)的不斷發(fā)展,生物信息學(xué)這門學(xué)科已成為當(dāng)下生命科學(xué)和自然科學(xué)的重大前沿領(lǐng)域之一,同時(shí)也是21世紀(jì)自然科學(xué)的核心領(lǐng)域之一,其研究重點(diǎn)主要體現(xiàn)在基因組學(xué)和蛋白組學(xué)兩個(gè)方面。糖基化是蛋白質(zhì)翻譯后重要修飾過程之一,更是蛋白組學(xué)研究的重要內(nèi)容。鑒于已知的糖蛋白結(jié)構(gòu)十分有限,而新的糖蛋白結(jié)構(gòu)層出不窮,借助計(jì)算智能技術(shù)對(duì)糖基化位點(diǎn)進(jìn)行預(yù)測(cè)和分析在蛋白質(zhì)組學(xué)中具有十分重要的意義。
　　 主成分分析(PCA)是一種數(shù)據(jù)特征提

2、取技術(shù),它能將數(shù)據(jù)從高維降到低維,降維后保存了數(shù)據(jù)的主要信息,從而使數(shù)據(jù)更容易處理,且提高了分析效率。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法已被應(yīng)用預(yù)測(cè)蛋白質(zhì)糖基化位點(diǎn),其預(yù)測(cè)的準(zhǔn)確性主要依賴于特征向量的維數(shù)(蛋白質(zhì)序列的長(zhǎng)度),并隨著蛋白質(zhì)序列長(zhǎng)度的增加而提高,但神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)變得越來越復(fù)雜,增加了計(jì)算運(yùn)行成本。為了解決這一問題,本研究提出了一個(gè)主成分分析和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的新方法對(duì)O-連接糖基化位點(diǎn)進(jìn)行預(yù)測(cè)和分析。首先用PCA提取主成分以降低輸入特征

3、向量的維數(shù),然后用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)一個(gè)特定的蛋白質(zhì)序列是否被糖基化。
　　 本研究主要圍繞以下幾個(gè)方面進(jìn)行開展:
　　 (1)首先從闡述蛋白質(zhì)糖基化的知識(shí)入手,著重介紹了稀疏編碼,并將其作為本研究中蛋白質(zhì)序列的編碼方式。
　　 (2)采用主成分分析技術(shù)完成數(shù)據(jù)的預(yù)處理,在充分利用原始信息的基礎(chǔ)上,將樣本數(shù)據(jù)從高維降到低維,從而使神經(jīng)網(wǎng)絡(luò)在下一步的預(yù)測(cè)中更具效率。
　　 (3)提出一種基于PCA和BP神經(jīng)網(wǎng)絡(luò)的