蛋白質(zhì)二級結(jié)構(gòu)類預(yù)測中的信息提取與預(yù)測方法研究.pdf

1、測序技術(shù)的進(jìn)步使得蛋白質(zhì)序列數(shù)據(jù)與日俱增,然而人們對蛋白質(zhì)高級結(jié)構(gòu)和功能的認(rèn)識還不夠,遠(yuǎn)遠(yuǎn)落后于對蛋白質(zhì)序列的認(rèn)識。同時,傳統(tǒng)的生物實驗方法已難以滿足海量數(shù)據(jù)的處理需求,因此發(fā)展理論與計算的方法來研究蛋白質(zhì)結(jié)構(gòu)和功能具有深遠(yuǎn)的意義,這也成為計算分子生物學(xué)中最基本、最重要的課題之一。
　　 對于一條蛋白質(zhì)而言,利用海量的序列信息預(yù)測出其空間三級結(jié)構(gòu)是結(jié)構(gòu)預(yù)測方法的最終目的。然而在很多情況下,這個目標(biāo)很難實現(xiàn)。由于蛋白質(zhì)空間結(jié)構(gòu)是由

2、一些二級結(jié)構(gòu)元件組成的,人們希望先預(yù)測出蛋白質(zhì)二級結(jié)構(gòu)類型,了解蛋白質(zhì)內(nèi)部的局部結(jié)構(gòu)信息,再進(jìn)一步預(yù)測其三級結(jié)構(gòu)。因此,蛋白質(zhì)二級結(jié)構(gòu)類型預(yù)測工作是蛋白質(zhì)三級結(jié)構(gòu)預(yù)測的基礎(chǔ),具有著重要研究意義。同時,它作為蛋白質(zhì)組學(xué)研究的一個分支,受到越來越多研究者們的關(guān)注。
　　 目前,蛋白質(zhì)二級結(jié)構(gòu)類預(yù)測的研究主要集中在三個方面:提取蛋白質(zhì)序列的特征信息,挑選多重信息中有代表性的特征以及發(fā)展合適的預(yù)測算法。近年來,國內(nèi)外文獻(xiàn)報道了很多有效的

3、方法,但從序列信息獲取角度來看,現(xiàn)有方法所獲取的信息較單一,各個層面的信息沒有得到很好的融合。因此如何系統(tǒng)地融合不同的信息來預(yù)測蛋白質(zhì)結(jié)構(gòu)類是一個迫切需要解決的問題。此外對于融合后的信息,可能存在冗余信息,還應(yīng)考慮如何挑選有效的特征信息,剔除冗余的信息。針對以上問題,本研究基于信息處理方法,提取氨基酸出現(xiàn)頻率信息、位置分布信息及二級結(jié)構(gòu)的序列信息,并對多源信息進(jìn)行有效地融合、挑選,通過設(shè)計合理的預(yù)測方案,提高了蛋白質(zhì)信息獲取與結(jié)構(gòu)類預(yù)測

4、的效率。
　　 具體方法上:1)基于字統(tǒng)計模型及氨基酸的物化性質(zhì),獲取蛋白質(zhì)一級序列、縮氨基酸序列及二級結(jié)構(gòu)序列片段的位置信息,進(jìn)而研究其位置分布函數(shù),計算其數(shù)值特征。將各片段的位置特征與頻率特征相融合,構(gòu)建出高效的蛋白質(zhì)結(jié)構(gòu)類預(yù)測模型,為有效提高分類率奠定基礎(chǔ);2)在特征信息選擇上,采用基于相對重要性的隨機(jī)森林對多重特征信息進(jìn)行挑選,盡可能減少信息的冗余。隨機(jī)森林是一種通過建立多棵決策樹來對數(shù)據(jù)進(jìn)行分類判別的方法,其主要采用自

5、助法重采樣技術(shù),按照特征的相對貢獻(xiàn)這一指標(biāo)來挑選關(guān)鍵特征。3)通過采用支持向量機(jī)、k-近鄰算法、BP神經(jīng)網(wǎng)絡(luò)算法以及多分類器組合來進(jìn)一步改善分類效果,并驗證該研究所提算法的有效性。
　　 實驗結(jié)果表明:1)與傳統(tǒng)經(jīng)典方法相比,利用本研究提出的特征信息提取方法可涵蓋序列統(tǒng)計特征、氨基酸物理化學(xué)特征、氨基酸片段位置分布三方面的信息,此方法可以較為全面地反映出蛋白質(zhì)序列中有代表性的特征信息。2)通過采用有效的特征挑選算法以及分類算法,