基于氨基酸序列信息的蛋白質結構與功能預測研究.pdf

1、隨著人類基因組計劃的順利完成，以及現(xiàn)代生物科學和技術的飛速發(fā)展，每天都有海量的蛋白質序列數(shù)據(jù)不斷地涌現(xiàn)。如何揭示這些數(shù)據(jù)的內(nèi)涵，提取有用的化學與生物信息，已經(jīng)成為化學計量學和化學信息學的研究熱點。雖然可以通過實驗的方法確定蛋白質的結構和功能，但是實驗方法既費時又費力，并且已知序列與已知結構和功能的蛋白質數(shù)目之間的差距越來越大。因此，從蛋白質序列出發(fā)，發(fā)展自動、可靠的理論和計算方法預測蛋白質的結構和功能具有十分重要的理論和實際意義。

2、 本文立足于大量的生物信息數(shù)據(jù)，將化學計量學中的支持向量機、遺傳算法、小波變換以及主成分分析等方法應用于化學生物信息的處理，提出了一系列的蛋白質結構和功能預測新方法，其主要內(nèi)容如下： 1.建立了基于遺傳算法與支持向量機耦合的蛋白質結構類預測方法?；谛畔⑷诤系乃枷?，利用改進的遺傳算法同時優(yōu)化支持向量機的核參數(shù)和用來表征蛋白質一級結構的描述符子集。對包含204個非同源蛋白質的C204標準數(shù)據(jù)集進行了預測，jackknife交叉驗

3、證的總精度達到了99.5％，并且對于較難預測的α/β和α+β類蛋白質預測精度分別達到了97.8％和100％，明顯優(yōu)于文獻報道值。結果表明：本文提出的方法能夠有效的提高蛋白質結構類的預測精度，并且有望用于蛋白質其它屬性的預測。 2.提出了新的偽氨基酸組成表示方法?；谶B續(xù)小波變換的時域和頻域分析特性以及主成分分析的數(shù)據(jù)壓縮和特征提取性能，首先用氨基酸殘基的各種物理化學性質參數(shù)將蛋白質序列映射為數(shù)值序列，然后進行連續(xù)小波變換，計算小

4、波功率譜，最后利用主成分分析技術對小波功率譜進行數(shù)據(jù)壓縮，并與氨基酸組成相結合，構成偽氨基酸組成表征蛋白質一級結構。將其與支持向量機結合，采用一對一的分類策略，對蛋白質結構類預測進行了研究。對文獻報道的標準數(shù)據(jù)集進行了預測，jackknife交叉驗證表明結果優(yōu)于大多數(shù)文獻報道值。結果表明：基于連續(xù)小波變換和主成分分析方法的偽氨基酸組成表征方法能夠有效的反映蛋白質序列中的長程相互作用和氨基酸序列次序信息，從而提高預測精度。 3.建

5、立了G蛋白偶聯(lián)受體功能類預測新方法?；诟鞣N蛋白質一級結構描述符和特征子集選擇方法，提出了雙層支持向量機方法，用于G蛋白偶聯(lián)受體功能類預測研究。預測系統(tǒng)的第一層主要預測一個給定的蛋白質是否是G蛋白偶聯(lián)受體，如果是，則通過預測系統(tǒng)的第二層精確預測是哪一種功能類。對文獻報道的數(shù)據(jù)集進行了jackknife交叉驗證，每層的預測精度明顯高于文獻值。結果表明：最優(yōu)特征子集能夠獲取與G蛋白偶聯(lián)受體功能類最相關的描述符，從而提高G蛋白偶聯(lián)受體在超家族

6、和家族水平的預測精度。 4.建立了蛋白質與蛋白質相互作用預測新方法。首先，基于不同的負樣本產(chǎn)生策略，研究了氨基酸組成、二肽組成、各種自相關函數(shù)以及組成，轉變和分布等描述符對不同數(shù)據(jù)集的預測能力。然后，基于特征選擇方法，采用支持向量機預測蛋白質與蛋白質的相互作用。結果表明：各種描述符對于基于不同負樣本的數(shù)據(jù)集的預測能力各不相同，負樣本的參數(shù)策略是影響預測精度的重要因素，基于特征選擇技術的最優(yōu)描述符子集能夠明顯地提高蛋白質與蛋白質相

7、互作用預測的精度。 5.建立了基于粒子群優(yōu)化算法與支持向量機相耦合的建模方法。針對粒子群優(yōu)化算法中群體多樣性降低導致“早熟”的現(xiàn)象，將遺傳算法的變異思想引入到粒子群優(yōu)化算法中，并將改進的雜交粒子群優(yōu)化算法與支持向量機耦合進行定量結構活性關系研究。改進的連續(xù)和離散粒子群優(yōu)化算法分別用于優(yōu)化輸入支持向量機的分子結構描述符子集和核參數(shù)。對具有細胞凋亡誘導活性的4-芳基—4H—苯并吡喃類衍生物進行了jackknife交叉驗證，相關系數(shù)平