核蛋白的亞核定位和植物、非植物及小鼠蛋白質的亞細胞定位預測研究.pdf

1、隨著人類基因組計劃的實施和推進,數據庫中出現了大量未注解的蛋白質序列,如何獲取這些蛋白質序列的功能信息已成為當今生物信息學的研究熱點。蛋白質的功能與其亞細胞定位密切相關,因此,研究蛋白質的亞細胞定位,可以為了解蛋白質的功能提供重要線索。 本文分別以核蛋白、植物和非植物蛋白以及小鼠膜蛋白為研究對象,利用離散增量(ID)、離散增量結合協(xié)變判別式(CDA)以及離散增量結合支持向量機(SVM)方法,通過提取蛋白質一級序列中多種特征參數

2、,分別對它們在細胞中的亞核定位和亞細胞定位進行預測。論文的主要研究工作概括如下： (1)首次利用相異有限系數(DC)算法和離散增量結合協(xié)變判別式的(ID_CDA)算法兩層分類器對核蛋白的亞核定位進行了預測。在DC算法中,選取全序列的氨基酸組份和氨基酸序列親疏水性二肽組份為信息參數,ID_CDA算法中選取N端氨基酸1-gap二肽組份和氨基酸2-gap二肽組份為信息參數,對單定位蛋白質總預測成功率為75.4％,多定位蛋白質總預測成

3、功率為80.4％。單定位蛋白質總預測成功率比Lei-SVM方法高8.9％,多定位蛋白質總預測成功率比Lei-SVM方法高15.2％。在序列相似性小于等于25％時,該方法也取得了較高的預測成功率。 (2)通過選取氨基酸組份和贗氨基酸組份為信息參數,首次利用離散增量結合支持向量機的(ID SVM)算法,預測真核植物和非植物蛋白質的亞細胞定位,Jackknife檢驗總預測成功率分別是88.3％和92.4％,預測結果好于現有的其它方法

4、對該數據庫的預測結果。文章中對單一參數的離散增量的預測結果和離散增量結合支持向量機的預測結果作了詳細比較,并對多種參數組合利用ID SVM算法進行預測。結果表明,利用多參數的適當組合,采用ID SVM算法可以得到較好的預測結果。 (3)以12類真核生物為研究對象,對12類真核生物蛋白質分別選取全序列氨基酸組份、氨基酸二肽組份,采用離散增量(ID)的方法進行預測,通過對離散增量的進一步組合,取得了較高的預測成功率。 (4)構建了

5、小鼠蛋白質和小鼠膜蛋白兩個數據庫,通過選取全序列的氨基酸1-gap二肽組份,N端序列的氨基酸二肽組份為信息參數,采用離散增量結合協(xié)變判別式(ID CDA)方法對小鼠蛋白質的亞細胞定位和小鼠膜蛋白的類型進行預測,取得了較好的預測結果。 (5)分別選取全序列中氨基酸組份、氨基酸二肽組份、氨基酸序列的親疏水性分布信息、N端和C端氨基酸二肽組份為特征參數,利用離散增量(ID)算法,對原核生物中的革蘭氏陰性菌蛋白質的亞細胞定位進行預測,