蛋白質(zhì)相互作用數(shù)據(jù)管理與分析預(yù)測.pdf

1、當前生命科學研究已經(jīng)進入后基因組學時代，其主要研究對象為結(jié)構(gòu)基因組學和蛋白質(zhì)組學。細胞的功能必須通過蛋白質(zhì)相互作用才能實現(xiàn)，因此，對蛋白質(zhì)相互作用的研究顯得尤為重要。
　　 隨著高通量的生物實驗技術(shù)發(fā)展和應(yīng)用，產(chǎn)生了大量的蛋白質(zhì)相互作用實驗數(shù)據(jù)，但是此類方法所得到的數(shù)據(jù)假陽性和假陰性比率都比較高。因此，有效的計算方法被用來蛋白質(zhì)相互作用預(yù)測的研究。本文旨在以機器學習及模式識別理論為基礎(chǔ)，以蛋白質(zhì)序列信息為前提預(yù)測蛋白質(zhì)相互作用。

2、
　　 本文的主要工作包括：蛋白質(zhì)相互作用預(yù)測算法和蛋白質(zhì)相互作用數(shù)據(jù)管理工具。本文主要內(nèi)容以及創(chuàng)新之處包括以下兩方面：
　　 1、本文蛋白質(zhì)相互作用預(yù)測算法基于蛋白質(zhì)序列信息。首先對樣本數(shù)據(jù)進行預(yù)處理，預(yù)處理得到的數(shù)據(jù)格式為本文自定義的特殊批處理數(shù)據(jù)格式。然后，分別對蛋白質(zhì)序列的氨基酸頻率、位置、物化性質(zhì)、生化相似性等特征分別進行特征提取。接著，采用支持向量機作為樣本的分類器，因為支持向量機是基于結(jié)構(gòu)風險最小化的統(tǒng)計學

3、習理論，并且支持向量機支持小樣本分類預(yù)測。對于每一個特征所得到的數(shù)據(jù)訓練支持向量機預(yù)測模型，分別將其置于組分分類器中。本文的3個支持向量機預(yù)測模型作為組合分類器的子分類器，采用基于成員的組合分類器預(yù)測算法得到最終預(yù)測結(jié)果。本文對組合分類器算法進行了詳細的研究和公式推導，并且計算得出基于成員數(shù)目的組合分類器理論約束條件。在3類數(shù)據(jù)集合上：人、酵母、果蠅驗證本文算法，組合分類器預(yù)測準確率優(yōu)于單個分類器預(yù)測準確率，并且部分數(shù)據(jù)集預(yù)測結(jié)果高于相

4、關(guān)文獻的結(jié)果。
　　 2、本文的另外一部分工作是蛋白質(zhì)相互作用數(shù)據(jù)管理工具的設(shè)計。因為本課題數(shù)據(jù)部分比較特殊：來源廣泛、數(shù)據(jù)格式多樣。因此會造成數(shù)據(jù)查詢、插入和管理的困難?，F(xiàn)有大部分網(wǎng)絡(luò)數(shù)據(jù)庫管理系統(tǒng)或提供蛋白質(zhì)序列信息或提供相互作用信息，沒有同時提供序列信息和相互作用信息。本課題設(shè)計的數(shù)據(jù)管理工具可以同時顯示序列信息和相互作用信息，用戶無需跨數(shù)據(jù)庫平臺就可以得到蛋白質(zhì)相互作用研究所需的序列和相互作用信息。本工具為B/S結(jié)構(gòu)，前