基于智能計算模型的蛋白質(zhì)功能位點的預(yù)測.pdf

1、計算機和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，為分子生物學(xué)研究提供了新的強大于段。蛋白質(zhì)功能位點的預(yù)測因其在醫(yī)學(xué)特別是在揭示生命奧秘、功能蛋白質(zhì)組學(xué)研究方面具有重要意義，引起了生物和醫(yī)學(xué)工作者的極大關(guān)注。利用生物實驗手段獲取蛋白質(zhì)功能位點是非常耗時耗力的，這就要求我們借助于計算的手段從序列預(yù)測其功能位點。對于蛋白質(zhì)翻譯后的磷酸化修飾位點和酶的催化活性位點的預(yù)測問題，本文提出了兩個基于智能計算模型的預(yù)測方法。其主要內(nèi)容和貢獻包括： (1)蛋白質(zhì)磷酸

2、化位點預(yù)測蛋白質(zhì)磷酸化作為翻譯后修飾的一種，目前常見的預(yù)測方法主要有基于組的GPS方法、基于Bayes決策論的PPSP方法和基于支持向量機(SVM)方法和隱馬爾可大方法(HMM)等機器學(xué)習(xí)方法，它們基本都依賴于序列保守性特性。本文提出了融入蛋白質(zhì)結(jié)構(gòu)信息的基于BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測方法。有關(guān)文獻表明，磷酸化位點更傾向于出現(xiàn)C(Coil)形式二級結(jié)構(gòu)和B(Buried)形式三級結(jié)構(gòu)。我們實驗評價標準MCC的值為0．87，優(yōu)于Scansit

3、e2．0和PredPhospho預(yù)測方法。在此基礎(chǔ)上，我們進一步提出了兩階段神經(jīng)網(wǎng)絡(luò)模型的預(yù)測方法，第二階段的模型去提煉第一階段的結(jié)果，對于蛋白激酶PKA，我們得到的靈敏度和特異性分別為93．26％和94．14％。 (2)酶的活性位點預(yù)測酶作為一種特殊的蛋白質(zhì)，對化學(xué)反應(yīng)起到加速催化作用。它的催化活性位點是這一功能的重要參與殘基。到目前為止，關(guān)于活性催化位點的預(yù)測有多序列比對方法、計算幾何方法、演化跟蹤方法以及能量函數(shù)計算方法等

4、，但是都沒有給出令人滿意的結(jié)果。本文提出了基于樸素貝葉斯模型的方法，并且使用了新的殘基二級結(jié)構(gòu)屬性，給出了比較滿意的預(yù)測精度和時間效率，靈敏度和特異性分別為：88．6％，93．7％。實驗證實了恰當(dāng)?shù)哪Ｐ瓦x擇、充足的數(shù)據(jù)集以及合適的輸入屬性(殘基屬性)對提高預(yù)測精度和時間效率都起到積極作用。 本文工作的特色和創(chuàng)新在于：①考慮到了結(jié)構(gòu)和功能的關(guān)系，融入二級結(jié)構(gòu)和二級構(gòu)信息，并且給出了一定的簡化表示方法。對于二級結(jié)構(gòu)我們只考慮了H、E

5、、C三種狀態(tài)；三級結(jié)構(gòu)也只考慮了E、B兩種狀態(tài)。除此以外，在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上，增加到兩個階段，并且融入了磷酸化修飾的模體信息，第二階段對第一階段的結(jié)果進行了提煉；②首次運用樸素貝葉斯統(tǒng)計分類模型來解決酶的活性位點預(yù)測問題。在其輸入?yún)?shù)中，不僅充分考慮到了序列保守性特征，而且更多的結(jié)構(gòu)信息、殘基生化屬性也被考慮。七種狀態(tài)較為詳細地描述了氨基酸的二級結(jié)構(gòu)。關(guān)于三級結(jié)構(gòu)，我們從更多的角度體現(xiàn)它，使用了殘基溶劑可訪問性值、表面裂口信息以及反映殘基