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

1、當(dāng)前生命科學(xué)研究已經(jīng)進(jìn)入后基因組學(xué)時(shí)代，其主要研究對(duì)象為結(jié)構(gòu)基因組學(xué)和蛋白質(zhì)組學(xué)。細(xì)胞的功能必須通過蛋白質(zhì)相互作用才能實(shí)現(xiàn)，因此，對(duì)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(shí)驗(yàn)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(shí)驗(yàn)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(jì)算方法被用來蛋白質(zhì)相互作用預(yù)測(cè)的研究。本文旨在以機(jī)器學(xué)習(xí)及模式識(shí)別理論為基礎(chǔ)，以蛋白質(zhì)序列信息為前提預(yù)測(cè)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(cè)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(cè)算法基于蛋白質(zhì)序列信息。首先對(duì)樣本數(shù)據(jù)進(jìn)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(duì)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(jìn)行特征提取。接著，采用支持向量機(jī)作為樣本的分類器，因?yàn)橹С窒蛄繖C(jī)是基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的統(tǒng)計(jì)學(xué)

3、習(xí)理論，并且支持向量機(jī)支持小樣本分類預(yù)測(cè)。對(duì)于每一個(gè)特征所得到的數(shù)據(jù)訓(xùn)練支持向量機(jī)預(yù)測(cè)模型，分別將其置于組分分類器中。本文的3個(gè)支持向量機(jī)預(yù)測(cè)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(cè)算法得到最終預(yù)測(cè)結(jié)果。本文對(duì)組合分類器算法進(jìn)行了詳細(xì)的研究和公式推導(dǎo)，并且計(jì)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(yàn)證本文算法，組合分類器預(yù)測(cè)準(zhǔn)確率優(yōu)于單個(gè)分類器預(yù)測(cè)準(zhǔn)確率，并且部分?jǐn)?shù)據(jù)集預(yù)測(cè)結(jié)果高于相

4、關(guān)文獻(xiàn)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(jì)。因?yàn)楸菊n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(huì)造成數(shù)據(jù)查詢、插入和管理的困難。現(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(shí)提供序列信息和相互作用信息。本課題設(shè)計(jì)的數(shù)據(jù)管理工具可以同時(shí)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(tái)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