蛋白質(zhì)相互作用預測方法的研究.pdf

1、隨著人類基因組全序列測序與工作草圖的完成，基因組學研究的重心已逐漸由結(jié)構(gòu)基因組學向功能基因組學轉(zhuǎn)移，生物醫(yī)學隨之進入一個新紀元--后基因組時代。在后基因組時代，一個重要任務就是對蛋白質(zhì)組學的研究。得益于越來越多的高通量實驗技術的出現(xiàn)和日臻成熟，目前已積累了大量的蛋白質(zhì)組數(shù)據(jù)。當前的問題是，分析和研究這些數(shù)據(jù)的手段和能力嚴重滯后，使得花費大量人力和財力獲得的數(shù)據(jù)未能產(chǎn)生更多有生物學意義的結(jié)果。因此，發(fā)展先進高效的信息分析和數(shù)據(jù)挖掘手段，從

2、大量而繁雜的蛋白質(zhì)組數(shù)據(jù)中找出內(nèi)在聯(lián)系，以揭示蛋白質(zhì)的功能及相互作用關系具有極其重要的意義。 蛋白質(zhì)相互作用是分子生物學研究的熱點及難點。蛋白質(zhì)作為最主要的生命活動載體和功能執(zhí)行者，對其復雜多樣的結(jié)構(gòu)功能、相互作用和動態(tài)變化進行深入研究，有助于在分子、細胞和生物體等多個層次上全面揭示生命現(xiàn)象的本質(zhì)。蛋白質(zhì)相互作用是生物體中眾多生命活動過程的重要組成部分，是生物體生化反應的基礎，是后基因組時代的主要任務。實驗方法提供大量數(shù)據(jù)的同時

3、，會帶來大量的假陽性和假陰性數(shù)據(jù)。因此，本文從計算的角度來研究蛋白質(zhì)相互作用，主要研究和探索了機器學習方法對蛋白質(zhì)-蛋白質(zhì)相互作用的預測問題。本文的工作主要包括以下幾個方面： 1)提出了一種新的基于氨基酸進化保守性的蛋白質(zhì)相互作用預測方法。由于自然選擇法則的作用，在一個蛋白質(zhì)家族中與分子功能相關的氨基酸殘基在進化過程中呈現(xiàn)保守性特征，蛋白質(zhì)與外界的作用依賴于這些關鍵的殘基。我們從蛋白質(zhì)序列出發(fā)，提出一種新的基于氨基酸序列相關系數(shù)

4、的編碼方式，該編碼方式同時考慮序列內(nèi)部長程相互作用和序列之間的協(xié)同進化關系。對于正負學習樣本，分別考慮來自DIP，MIPS與BIND數(shù)據(jù)庫的正樣本和四種不同方式構(gòu)建的負樣本，包括：通過隨機選取蛋白質(zhì)構(gòu)造R-NEG；通過亞細胞定位方式，利用位于同一個亞細胞區(qū)間的蛋白質(zhì)對構(gòu)造IS-NEG；通過亞細胞定位方式利用位于不同亞細胞區(qū)間的蛋白質(zhì)對構(gòu)造BS-NEG；通過基因本體信息得到的具有較低RSSBP與RSSCC值的蛋白質(zhì)來構(gòu)造GO-NEG。MI

5、PS Core和GO-NEG這一種組合方式與另外十一種組合方式相比預測準確率最高，并且有統(tǒng)計學意義的P值最小，分別稱MIPS Core和GO-NEG為黃金正樣本和黃金負樣本。與已知的氨基酸殘基自相關編碼方式相比，相關系數(shù)編碼方式得到較好的預測結(jié)果。對于跨模式生物的預測結(jié)果表明，基于相關系數(shù)編碼方式的SVM模型具有較好的泛化能力。 2)構(gòu)建了一個改進的GPCA plus LDA預測模型來預測蛋白質(zhì)相互作用，能夠有效地提高膜蛋白相互

6、作用的預測精度。Greedy KPCA(GPCA)得到的基坐標直接來源于樣本數(shù)據(jù)，而KPCA算法得到的基坐標來自于樣本數(shù)據(jù)的線性組合。盡管基于貪婪算法的KPCA算法是次優(yōu)的，但是與傳統(tǒng)的KPCA算法相比能夠極大地降低計算復雜度。對于酵母這一典型的單細胞模式生物，大多數(shù)酵母整合膜蛋白無法通過實驗方法來驗證。我們提出利用膜蛋白相互作用的21個結(jié)構(gòu)與序列特征，來構(gòu)造56個正樣本和150個負樣本，實驗表明基于GPCA plus LDA預測模型得

7、到包括189個膜蛋白300對具有高可靠性的預測結(jié)果。實驗結(jié)果也表明，盡管GPCA plus LDA方法進行了特征約簡，同時有效地降低了數(shù)據(jù)之間的冗余性，但得到的結(jié)果比LDA方法略優(yōu)；GPCA plus LDA方法由于解決了高階信息丟失問題，得到的結(jié)果與KPCA plus LDA方法相比有了很大的改善與提高；GPCA plus LDA方法得到的預測正確率方差最小，表明十次測量值之間存在較小的差異，該方法具有較好的魯棒性。通過計算揭示了膜蛋

8、白相互作用網(wǎng)絡具有小世界效應和無標度特性。 3)提出了一種新的基于貝葉斯累加回歸樹計算模型(BART)的蛋白質(zhì)相互作用預測方法。BART是一種新穎的集成學習方法，通過非參數(shù)化的貝葉斯回歸方法，把累加回歸樹計算模型分解為若干個弱分類器，并通過集成方法整合為一個分類器集成系統(tǒng)?；谡螹CMC算法的BART預測模型用于蛋白質(zhì)相互作用預測，獲得了較好的預測準確率。與標準的MCMC方法相比，提出的整合MCMC算法能夠有效地避免局部極小情