集成神經(jīng)網(wǎng)絡(luò)在預(yù)測蛋白質(zhì)相互作用位點中的應(yīng)用.pdf

1、蛋白質(zhì)之間的相互作用是各種生命活動的基礎(chǔ)。而蛋白質(zhì)相互作用位點在現(xiàn)代藥物設(shè)計與構(gòu)建蛋白質(zhì)相互作用網(wǎng)絡(luò)方面是至關(guān)重要的。因此,認識與研究蛋白質(zhì)相互作用位點在理論和實踐上都具有重要的意義。由于通過生物實驗來確定蛋白質(zhì)之間的相互作用位點費時又費力,而且實驗過程中往往還會碰到一些難以預(yù)料的情況,因此,采用一些理論方法來分析與預(yù)測蛋白質(zhì)之間的相互作用位點具有十分重要的價值。近些年來,隨著生物信息學(xué)與計算機計算智能學(xué)的快速發(fā)展,許多應(yīng)用計算智能方法

2、來預(yù)測蛋白質(zhì)相互作用位點的研究也實現(xiàn)了較快的發(fā)展。本文就是在這種背景下應(yīng)用計算智能中的神經(jīng)網(wǎng)絡(luò)集成方法來預(yù)測蛋白質(zhì)相互作用位點。
　　 文中選用了兩個數(shù)據(jù)集:一個含有35個蛋白質(zhì)分子的數(shù)據(jù)集;一個包含149個蛋白質(zhì)分子的控制數(shù)據(jù)集(S149)。然后提取了能表示蛋白質(zhì)相互作用位點的一系列特征,如:序列譜、熵值、可及表面積、相關(guān)可及表面積、深度系數(shù)、突出系數(shù)、疏水性等。接著通過選取其中一些特征進行組合來創(chuàng)建有效的樣本集。隨之應(yīng)用單個

3、誤差反向傳播神經(jīng)網(wǎng)絡(luò)或徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)以及它們的集成來對這些樣本集進行訓(xùn)練與測試。文中采用了三種集成方法:具有先驗知識的投票表決融合算法、基于遺傳算法的選擇集成方法和一種基于主成分分析構(gòu)建集成分類器的新方法。實驗中采用35次留一法(一倍交叉驗證)和十倍交叉驗證分別對兩個數(shù)據(jù)集進行了預(yù)測。
　　 對于第一個數(shù)據(jù)集,通過對序列譜、熵值和可及表面積三種特征的組合,創(chuàng)建了4個樣本集。然后運用誤差反向傳播神經(jīng)網(wǎng)絡(luò)以及其集成對這個數(shù)據(jù)集中

4、的蛋白質(zhì)相互作用位點進行了預(yù)測。集成方法采用的是具有先驗知識的投票表決融合算法。對于第二個數(shù)據(jù)集,我們進行了兩種不同的實驗。第一種是提取了10種特征并且根據(jù)這些特征創(chuàng)建了4個分別含有9滑動窗口的樣本集。這4個樣本集由徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)計算,并且網(wǎng)絡(luò)分別由粒子群優(yōu)化算法優(yōu)化。這樣得到4組結(jié)果。最后4組結(jié)果由基于遺傳算法的選擇集成方法來集成。第二種是提取了24種不同特征,根據(jù)這些特征我們只創(chuàng)建了一個樣本集。這個樣本集也是通過徑向基函數(shù)神經(jīng)網(wǎng)