基于多類(lèi)特征融合的蛋白質(zhì)亞線(xiàn)粒體定位預(yù)測(cè)研究.pdf

1、隨著人類(lèi)基因組計(jì)劃的順利進(jìn)行，數(shù)據(jù)庫(kù)中出現(xiàn)了大量的未知功能的蛋白質(zhì)序列，分析這些未知功能的蛋白質(zhì)成為當(dāng)今的首要任務(wù)。目前，亞細(xì)胞定位作為分析蛋白質(zhì)功能的手段達(dá)到了一定水平，人們開(kāi)始關(guān)注亞細(xì)胞器定位研究，由于實(shí)驗(yàn)分析耗時(shí)、成本高，因此利用計(jì)算的方法來(lái)預(yù)測(cè)蛋白質(zhì)亞細(xì)胞器定位成為當(dāng)前研究的熱點(diǎn)。
　　本文系統(tǒng)的從蛋白質(zhì)亞線(xiàn)粒體定位數(shù)據(jù)集的構(gòu)建、特征參數(shù)的提取及優(yōu)化、預(yù)測(cè)算法的建立以及算法的推廣性等方面對(duì)蛋白質(zhì)亞線(xiàn)粒體定位預(yù)測(cè)問(wèn)題進(jìn)行了研

2、究，主要研究成果如下:
　　1、蛋白質(zhì)亞線(xiàn)粒體定位研究的數(shù)據(jù)集建立時(shí)間較早，包含的序列較少，我們構(gòu)建了一個(gè)最新的蛋白質(zhì)亞線(xiàn)粒體定位數(shù)據(jù)集，擴(kuò)大了序列數(shù)。采用ID-SVM算法進(jìn)行預(yù)測(cè)，取得較好的預(yù)測(cè)結(jié)果，同時(shí)對(duì)Du建立的數(shù)據(jù)集進(jìn)行預(yù)測(cè)，在Jackknife檢驗(yàn)下的總體預(yù)測(cè)成功率達(dá)到94.95％，比AC算法和DWT算法的總體預(yù)測(cè)成功率提高了5.3％和1.6％。
　　2、在構(gòu)建蛋白質(zhì)化學(xué)位移數(shù)據(jù)集的基礎(chǔ)上，通過(guò)分析蛋白質(zhì)中20個(gè)氨

3、基酸的二級(jí)結(jié)構(gòu)與四種骨架原子的化學(xué)位移關(guān)系，發(fā)現(xiàn)每一種氨基酸的四種骨架原子的化學(xué)位移與二級(jí)結(jié)構(gòu)有關(guān)聯(lián)，呈現(xiàn)有規(guī)律的變化。通過(guò)化學(xué)位移的自相關(guān)算法來(lái)構(gòu)建代表蛋白質(zhì)的特征參數(shù)，應(yīng)用在蛋白質(zhì)亞線(xiàn)粒體定位中，達(dá)到目前最好預(yù)測(cè)結(jié)果。
　　3、提出氨基酸黏性(stickiness)特征參數(shù)，利用該特征參數(shù)結(jié)合化學(xué)位移等信息參數(shù)對(duì)Du建立的數(shù)據(jù)集進(jìn)行預(yù)測(cè)，Jackknife檢驗(yàn)下的總體預(yù)測(cè)結(jié)果為96.21％，比我們之前的研究結(jié)果提高了1.26％

4、，定位于matrix的蛋白質(zhì)全部預(yù)測(cè)正確，對(duì)outermembrane的蛋白質(zhì)預(yù)測(cè)成功率有所改善，Sn達(dá)到85.37％，提高了4.87％。
　　4、建立了分歧桿菌蛋白質(zhì)亞細(xì)胞定位數(shù)據(jù)集，并且用此數(shù)據(jù)集對(duì)我們提出的特征參數(shù)提取方式和預(yù)測(cè)算法進(jìn)行推廣性檢測(cè)，得到較好的結(jié)果，Jackknife檢驗(yàn)結(jié)果為94.00％，比Lin的方法高出2.8％，比Rashid的算法提高了11.3％，驗(yàn)證了我們算法有較強(qiáng)的推廣性，可以應(yīng)用到其他亞細(xì)胞定位問(wèn)