基于集群環(huán)境的三種蛋白質GO功能注釋方法的實現.pdf

1、在獲得了海量的實驗數據后，生物信息學目前面臨的下一項艱巨任務就是盡可能快速地從這些數據中提取有意義的信息，提供給生物學家們思考分析以及進一步探究其表達的生物學含義。解決方法之一就是建立針對海量數據的高性能生物信息自動分析web平臺。在以上任務中，預測蛋白質功能是具有重要意義的一步。基因本體（GO）是一套具有動態(tài)形式的控制詞匯，其結構為有向無環(huán)圖。基因本體精確定義了蛋白質的功能以及功能間的關系，被廣泛應用于蛋白質功能注釋研究中。

2、本文通過以下三種方法對蛋白質GO功能進行了預測： (1)基于blast比對程序(blastp、psi-blast)的同源搜索，提取結果中的SwissProt關鍵詞，并將關鍵詞映射到GO； (2)基于InterProScan的蛋白質模體、家族和結構域搜索對蛋白質功能進行預測； (3)基于一款實現了支持向量機的軟件GOKey，對蛋白質序列特征和理化特性進行比較分類，并預測蛋白質功能。 涉及到的數據庫及程序資源包括U

3、niProt、RefSeq、InterPro、Ensembl?，F已將Ensembl蛋白質數據庫中的Novel蛋白質全部注釋，并提供網頁查詢。 為實現Linux集群環(huán)境下的自動注釋平臺，完成了blast程序，InterProScan，GOKey及其比對數據庫在Linux集群上的安裝與自動更新，并提供了這些工具及計算結果數據庫的網頁接口。為充分利用集群的并行計算能力，該網頁接口實現了對提交任務的劃分。經測試表明，集群的并行計算能力能夠