基于覆蓋算法的蛋白質二級結構和結構域預測.pdf

1、蛋白質結構研究是生命科學的基礎和重大核心問題之一。蛋白質的結構決定了它的功能,因此進行蛋白質結構預測對于深入了解蛋白質的功能,以及分子設計、生物制藥等領域都有著很重要的現(xiàn)實意義。然而,隨著人類基因組項目和其它大規(guī)模測序項目帶來的生物學數(shù)據(jù)爆炸性的增長,傳統(tǒng)的實驗確定蛋白質結構的方法已經遠遠不能滿足需求。因此,從理論上根據(jù)蛋白質一級序列預測其空間結構就顯得非常必要。在眾多方法中,神經網絡作為機器學習的重要方法,在蛋白質結構預測中得到了廣泛

2、的應用,并取得了很好的效果。本文使用的是一種構造性的神經網絡算法—覆蓋算法,并將其應用到蛋白質二級結構和蛋白質結構域預測中,取得了很好的效果。
　　本文的主要工作分為以下幾個部分:
　　1.首先概述了本課題國內外研究的現(xiàn)狀和發(fā)展的過程。對生物信息學和蛋白質的相關內容和概念進行深入的學習,分別對二級結構預測和結構域預測的方法進行分類研究,比較各種方法的優(yōu)勢和不足,進而提出了使用覆蓋算法及其改進算法(核覆蓋算法)進行二級結構和結

3、構域預測的思路。
　　2.對蛋白質二級結構進行深入分析研究,利用核覆蓋算法結合Profile編碼提高了二級結構預測的準確率。首先,比較分析各種機器學習的方法,選取覆蓋算法的改進方法,即核覆蓋算法建立預測模型,核覆蓋算法是領域覆蓋的一種改進算法,它將SVM中的核函數(shù)法和構造性學習的覆蓋算法相融合,具有魯棒性強,準確率高等優(yōu)點。然后利用網絡資源從蛋白質數(shù)據(jù)庫中整理出一定數(shù)量的蛋白質序列做為實驗的數(shù)據(jù)集。通過對蛋白質的序列編碼仔細研究,

4、并比較了各種編碼方式的特點,采用了帶有遺傳信息的profile編碼。在MATLAB平臺上采用核覆蓋算法進行蛋白質二級結構分類研究,并與其它方法進行比較分析,結果表明了核覆蓋算法在蛋白質二級結構預測中的可行性和有效性。
　　3.結構域的識別是蛋白質研究中一個極具挑戰(zhàn)性的課題,我們嘗試首次將覆蓋算法應用于結構域預測中,僅通過挖掘與分析序列本身所包含的信息來預測結構域位置的劃分。通過從已有的結構域數(shù)據(jù)庫中選取一定數(shù)量的序列作為實驗的數(shù)據(jù)