基于蛋白質(zhì)序列和生物醫(yī)學(xué)文獻(xiàn)的蛋白質(zhì)功能挖掘.pdf

1、運(yùn)用計算手段對蛋白質(zhì)功能進(jìn)行分類預(yù)測是當(dāng)前生物信息學(xué)的研究熱點(diǎn)之一，本文針對包含蛋白質(zhì)功能信息的兩大載體：蛋白質(zhì)序列和生物醫(yī)學(xué)文獻(xiàn)，運(yùn)用機(jī)器學(xué)習(xí)和自然語言處理技術(shù)進(jìn)行挖掘分析。 在蛋白質(zhì)序列分析方面，采用了經(jīng)典氨基酸組成、基于氨基酸組成的氨基酸序列物理化學(xué)組成與分布法和蛋白質(zhì)功能域組成法三種不同的蛋白質(zhì)序列描述方法。應(yīng)用最近鄰算法、支持向量機(jī)、極大似然估計以及期望最大化算法等機(jī)器學(xué)習(xí)算法，我們分別嘗試研究蛋白質(zhì)四級結(jié)構(gòu)分類、DN

2、A／RNA結(jié)合蛋白質(zhì)預(yù)測以及蛋白質(zhì)功能分類問題，獲得了較滿意的分類預(yù)測準(zhǔn)確率。蛋白質(zhì)序列分析的結(jié)果顯示蛋白質(zhì)功能域組成是蛋白質(zhì)序列信息非常高效的描述符，表明功能域在蛋白質(zhì)功能行使中發(fā)揮著重要作用。據(jù)此，我們在MEDLINE的摘要數(shù)據(jù)庫中運(yùn)用自然語言處理技術(shù)挖掘關(guān)于蛋白質(zhì)功能域相互作用的信息，加上從其它實(shí)驗(yàn)室得到的數(shù)據(jù)，一共搜集到175條功能域與功能域相互作用的信息和355條功能域與其它生物分子相互作用的信息。在此基礎(chǔ)上，我們整合了Pfa