蛋白質序列特征提取及其在功能預測中的應用.pdf

1、特征提取和分類算法是蛋白質功能預測的核心步驟。蛋白質功能的確定有助于闡明生命體在生理或病理條件下的變化機制,并且對于疾病預防和藥物開發(fā)等方面都有著十分重要的推動作用。隨著生物信息學的不斷發(fā)展以及相關數(shù)據(jù)的大量積累,使用科學計算方法對未知蛋白質進行功能預測成為后基因組時代生物信息學中的重要研究課題,所以蛋白質序列的特征提取和分類算法也成為當前生命科學研究的首要任務之一。本課題主要對蛋白質功能預測中的序列特征提取方法、分類算法進行研究,并設

2、計適當?shù)奶卣魈崛》椒ê头诸愃惴ㄔ诘鞍踪|序列數(shù)據(jù)上進行功能預測的實驗。本文的主題工作包括:
　　 1.提出了一種基于BLAST比對的特征提取方法。本方法打破了現(xiàn)有的基于BLAST序列比對的特征提取模式,利用B12seq的相似性分析結果,得到評價片段相似性的E-Value數(shù)列和Score數(shù)列。根據(jù)兩者所代表的意義以及組成特點,提出一種新穎的蛋白質序列特征提取的方法。為了證明算法的有效性,將此方法與現(xiàn)有的此類特征提取方法分別應用于蛋白

3、質功能預測的實驗,實驗結果證明新方法更全面、準確的體現(xiàn)了序列特征,有助于取得更高的預測準確率。
　　 2.提出了一種基于距離權重的分類算法。該分類方法的思想是:在傳統(tǒng)K近鄰算法的基礎上加以改進,為每個近鄰賦予一定的決策權重,將近鄰序列與未知序列的相似距離作為權重的參數(shù)。分類時,近鄰序列的數(shù)量與近鄰序列的權重都起到了一定的決策作用。將該分類算法與基于分組重量編碼的特征提取算法相結合,進行蛋白質序列的功能預測。實驗結果表明:這種方法