蛋白質(zhì)功能標(biāo)注中噪聲識(shí)別模型研究.pdf

1、蛋白質(zhì)是最主要的生命活動(dòng)過(guò)程的載體，執(zhí)行著生物體內(nèi)各種重要功能。對(duì)蛋白質(zhì)功能進(jìn)行自動(dòng)標(biāo)注是生物信息學(xué)領(lǐng)域的關(guān)鍵問(wèn)題，也是后基因時(shí)代的核心問(wèn)題之一。準(zhǔn)確地標(biāo)注蛋白質(zhì)功能，對(duì)疾病機(jī)理分析與調(diào)控、新藥品研發(fā)、農(nóng)作物促產(chǎn)、生物能源開(kāi)發(fā)等研究領(lǐng)域都有著極大的促進(jìn)作用。然而，蛋白質(zhì)功能標(biāo)注信息來(lái)源廣泛，噪聲標(biāo)注信息不可避免地被引入。這些噪聲功能標(biāo)注會(huì)誤導(dǎo)蛋白質(zhì)相關(guān)功能的分析與應(yīng)用，降低后續(xù)蛋白質(zhì)功能的預(yù)測(cè)精度。已有蛋白質(zhì)功能預(yù)測(cè)研究更關(guān)注預(yù)測(cè)功能信

2、息完全未知蛋白質(zhì)的功能和蛋白質(zhì)的缺失功能，極少關(guān)注蛋白質(zhì)噪聲功能的識(shí)別。本文針對(duì)蛋白質(zhì)噪聲功能標(biāo)注識(shí)別這一問(wèn)題進(jìn)行研究，其主要工作如下：
　?。?）提出了一種基于語(yǔ)義相似度和分類相似度的蛋白質(zhì)噪聲功能識(shí)別算法（NoisyGOA）。該方法首先計(jì)算蛋白質(zhì)之間的語(yǔ)義相似度和基因本體（Gene Ontology，GO）功能標(biāo)簽之間的分類相似度，然后計(jì)算一個(gè)蛋白質(zhì)的每個(gè)功能標(biāo)注與它語(yǔ)義近鄰蛋白質(zhì)的功能標(biāo)注最大分類相似度之和，最后選擇與這些近

3、鄰蛋白質(zhì)具有最小分類相似度的功能標(biāo)注為該蛋白質(zhì)的噪聲功能標(biāo)注。在酵母菌，人類和擬南芥這3個(gè)模式生物的模擬噪聲數(shù)據(jù)和真實(shí)噪聲數(shù)據(jù)集上都顯示了該方法在噪聲功能標(biāo)注識(shí)別方面的有效性與優(yōu)越性。NoisyGOA不僅展示了蛋白質(zhì)噪聲功能的可識(shí)別性，而且表明了語(yǔ)義相似度和分類相似度對(duì)蛋白質(zhì)噪聲功能識(shí)別的作用。
　?。?）由于 NoisyGOA在計(jì)算語(yǔ)義相似度的過(guò)程中易受蛋白質(zhì)已有噪聲功能標(biāo)注的影響，并且沒(méi)有功能標(biāo)注之間的差異性，本文提出另一種基

4、于證據(jù)屬性加權(quán)和稀疏表示的蛋白質(zhì)噪聲功能識(shí)別方法（NoGOA）。NoGOA首先用一個(gè)蛋白質(zhì)-功能標(biāo)簽關(guān)聯(lián)矩陣存儲(chǔ)蛋白質(zhì)功能標(biāo)注信息，利用稀疏表示來(lái)計(jì)算蛋白質(zhì)之間的語(yǔ)義相似度，并通過(guò)蛋白質(zhì)的語(yǔ)義近鄰對(duì)蛋白質(zhì)的功能標(biāo)注信息投票來(lái)初步識(shí)別該蛋白質(zhì)的噪聲功能；其次，NoGOA按不同的證據(jù)屬性，對(duì)過(guò)去時(shí)期的蛋白質(zhì)噪聲功能標(biāo)注進(jìn)行統(tǒng)計(jì)和概率預(yù)估，在關(guān)聯(lián)矩陣上，根據(jù)不同證據(jù)屬性的噪聲概率，對(duì)功能標(biāo)注分別加權(quán)，再利用功能標(biāo)簽間層次結(jié)構(gòu)關(guān)系向上傳播權(quán)重；