結(jié)核分枝桿菌分泌蛋白的預(yù)測(cè)研究.pdf

1、結(jié)核分枝桿菌，簡(jiǎn)稱結(jié)核桿菌，是一種輕度彎曲的細(xì)桿狀嗜氧菌，在細(xì)胞壁脂質(zhì)層和莢膜的雙重保護(hù)下，對(duì)外界環(huán)境很不敏感，被證明是結(jié)核病的元兇。我國(guó)的結(jié)核病形勢(shì)向來(lái)嚴(yán)峻，尤以肺結(jié)核最為嚴(yán)重，每年有約上百萬(wàn)死亡病例。肺結(jié)核是一種慢性的呼吸道傳染病，早期無(wú)明顯癥狀，病程漫長(zhǎng)，極易在人群中流行而難于控制。由于結(jié)核桿菌的膜結(jié)構(gòu)復(fù)雜，點(diǎn)突變頻發(fā)，上百年來(lái)無(wú)數(shù)醫(yī)藥學(xué)家致力于結(jié)核分枝桿菌的分子結(jié)構(gòu)和毒性研究，以及結(jié)核病的病理研究，但至今尚無(wú)能夠徹底防治該病的臨

2、床藥物。最近研究發(fā)現(xiàn)，其分泌蛋白具有抗原性，根據(jù)抗原與抗體發(fā)生特異性結(jié)合的性質(zhì)，可通過(guò)識(shí)別分泌蛋白來(lái)獲取抗體，從而為疫苗研發(fā)和新藥設(shè)計(jì)提供有價(jià)值的線索。本文開(kāi)發(fā)了一種用于識(shí)別結(jié)核分枝桿菌的分泌蛋白的預(yù)測(cè)算法，并提供在線服務(wù)。
　　首先，我們構(gòu)建了結(jié)核分枝桿菌蛋白質(zhì)的標(biāo)準(zhǔn)數(shù)據(jù)集。數(shù)據(jù)源自UniProt中已經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證的蛋白質(zhì)序列，并通過(guò)CD-HIT軟件從最大程度上去除冗余，最終獲得了分別包含35條序列和266條序列的正、負(fù)樣本集。隨

3、后，我們提取了蛋白質(zhì)序列的 g-gapped二肽組分特征和物化性質(zhì)特征，從而將每條序列編碼成其獨(dú)有的特征向量。最后，借助于支持向量機(jī)構(gòu)建和學(xué)習(xí)預(yù)測(cè)模型，并在得到最優(yōu)模型參數(shù)的基礎(chǔ)上進(jìn)行特征選擇，進(jìn)一步提高了預(yù)測(cè)模型的分類效能。
　　結(jié)果，我們將每條多肽表示成一個(gè)374-維的特征向量，其中包括9-gapped二肽特征和序列的疏水性/親水性特征，經(jīng) jackknife檢驗(yàn)，用該方法預(yù)測(cè)分枝桿菌分泌蛋白的平準(zhǔn)準(zhǔn)確度為87.18％，ROC

4、曲線下面積高達(dá)0.93。為驗(yàn)證模型的優(yōu)越性，本文用Weka軟件實(shí)現(xiàn)了隨機(jī)森林、貝葉斯網(wǎng)絡(luò)和徑向基函數(shù)三類有代表性的機(jī)器學(xué)習(xí)算法，在同一標(biāo)準(zhǔn)數(shù)據(jù)集上重新構(gòu)建預(yù)測(cè)模型。Jackknife檢驗(yàn)再次證明，基于支持向量機(jī)的預(yù)測(cè)模型在該問(wèn)題上的性能優(yōu)于其他三類模型，魯棒性強(qiáng)。為便于領(lǐng)域內(nèi)的科研人員交流和共享，特構(gòu)建界面友好的在線服務(wù)平臺(tái) MycoSec（http://lin.uestc.edu.cn/server/MycoSec/），可免費(fèi)用于非商