基于分層神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè).pdf

1、蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)，是通過(guò)氨基酸序列，預(yù)測(cè)蛋白質(zhì)二級(jí)結(jié)構(gòu)的過(guò)程。氨基酸序列具有不同的長(zhǎng)度，不同的氨基酸排列順序。實(shí)驗(yàn)分析表明這種差異能夠形成不同的蛋白質(zhì)結(jié)構(gòu)。研究蛋白質(zhì)的結(jié)構(gòu)意義重大，不但有助于了解蛋白質(zhì)的作用，了解蛋白質(zhì)如何行使其生物功能，認(rèn)識(shí)蛋白質(zhì)與蛋白質(zhì)之間的相互作用，而且對(duì)生物學(xué)、醫(yī)學(xué)和藥學(xué)都有非常重要的作用。隨著2003年人類(lèi)基因組計(jì)劃測(cè)序完成，更加大了未知結(jié)構(gòu)的氨基酸序列與已知結(jié)構(gòu)的氨基酸序列之間的數(shù)量差距，所以蛋白質(zhì)結(jié)構(gòu)預(yù)

2、測(cè)迫在眉睫。 本文所要研究的是如何構(gòu)建一個(gè)蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)模型，使之能夠更加準(zhǔn)確的預(yù)測(cè)氨基酸對(duì)應(yīng)的蛋白質(zhì)二級(jí)結(jié)構(gòu)。內(nèi)容包括氨基酸序列的特征提取方式，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)及網(wǎng)絡(luò)結(jié)構(gòu)算法的選擇。 1．氨基酸序列特征提取。要對(duì)蛋白質(zhì)結(jié)構(gòu)進(jìn)行預(yù)測(cè)，首先必須把氨基酸序列中的信息提取出來(lái)，即進(jìn)行特征提取。選擇何種提取方式非常關(guān)鍵，不同的特征提取出的信息大不相同，現(xiàn)在的方法主要從單種氨基酸，氨基酸序列，同源序列比對(duì)等不同角度對(duì)氨基酸

3、特征進(jìn)行提取。本文我們采用Psi—Blast方法，提取同源序列的氨基酸特征。實(shí)驗(yàn)表明，這種氨基酸特征預(yù)測(cè)正確率高，而且有扎實(shí)的理論依據(jù)。 2．結(jié)構(gòu)預(yù)測(cè)。結(jié)構(gòu)預(yù)測(cè)實(shí)際上是根據(jù)提取出的有用信息，通過(guò)學(xué)習(xí)分析這些信息，總結(jié)出規(guī)律，實(shí)現(xiàn)對(duì)未知結(jié)構(gòu)氨基酸序列的結(jié)構(gòu)預(yù)測(cè)。對(duì)于這種信息維數(shù)高，計(jì)算量大的問(wèn)題，借助神經(jīng)網(wǎng)絡(luò)是非常有效地。神經(jīng)網(wǎng)絡(luò)能夠快速學(xué)習(xí)到序列中包含的特征，實(shí)現(xiàn)對(duì)結(jié)構(gòu)的預(yù)測(cè)。而對(duì)于網(wǎng)絡(luò)，選擇何種優(yōu)化算法是至關(guān)重要的，不同的算

4、法會(huì)差生不同的時(shí)間效率，不同的算法對(duì)應(yīng)不同的預(yù)測(cè)正確率。本文中我們將對(duì)各種不同的優(yōu)化算法進(jìn)行比較，選擇出更適合的優(yōu)化算法。預(yù)測(cè)過(guò)程中由于各種結(jié)構(gòu)對(duì)應(yīng)的數(shù)目差別較大，經(jīng)常產(chǎn)生不均衡訓(xùn)練的問(wèn)題，由此我們受計(jì)算智能優(yōu)化算法中裝袋原理的啟發(fā)，我們采用有放回抽取樣本的方式使各種結(jié)構(gòu)對(duì)應(yīng)的數(shù)目在訓(xùn)練過(guò)程中趨于平衡，很好的解決了訓(xùn)練不均衡的為題，而且提高了整個(gè)預(yù)測(cè)結(jié)構(gòu)的正確率。預(yù)測(cè)過(guò)程中對(duì)于網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計(jì)也是比較重要的，一般算法采用兩層神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方

5、式，本文中我們嘗試使用多層網(wǎng)絡(luò)方式進(jìn)行預(yù)測(cè)，并將多類(lèi)問(wèn)題設(shè)計(jì)成多個(gè)二分類(lèi)問(wèn)題的集成。通過(guò)試驗(yàn)表明，我們的結(jié)構(gòu)設(shè)計(jì)模型能夠更有效的提高預(yù)測(cè)的正確率。為了尋找一種更優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)，本文首次將分層RBF神經(jīng)網(wǎng)絡(luò)(HRBF)應(yīng)用在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中，HRBF不但能夠?qū)崿F(xiàn)對(duì)網(wǎng)絡(luò)參數(shù)的優(yōu)化，而且能夠?qū)崿F(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化。它不但解決了以前預(yù)測(cè)時(shí)只能提前固定網(wǎng)絡(luò)結(jié)構(gòu)和采用試探法選擇隱層個(gè)數(shù)的問(wèn)題，而且還能對(duì)高維特征進(jìn)行選擇性輸入，實(shí)現(xiàn)了對(duì)原始輸入的降維作用。