基于流形學(xué)習(xí)的蛋白質(zhì)功能預(yù)測與優(yōu)化.pdf

1、后基因組時代中，隨著高通量實驗技術(shù)的快速發(fā)展，大量的蛋白質(zhì)數(shù)據(jù)被收集起來。然而，蛋白質(zhì)數(shù)據(jù)與功能標(biāo)注數(shù)據(jù)之間的差距卻在不斷變大。即使如酵母菌這樣得到廣泛研究的物種，其仍有近四分之一的蛋白質(zhì)功能無法確定。因此，從計算角度設(shè)計出高效的蛋白質(zhì)功能的自動標(biāo)注方法成為生物信息學(xué)領(lǐng)域的重要挑戰(zhàn)之一。此外，由高通量實驗方法或計算預(yù)測方法獲得的蛋白質(zhì)功能標(biāo)注數(shù)據(jù)包含了較高比例的假陽性和假陰性噪聲，嚴(yán)重影響了與蛋白質(zhì)功能標(biāo)注相關(guān)的生物、醫(yī)療的應(yīng)用效果。在

2、本論文中，依據(jù)蛋白質(zhì)相互作用網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、流形學(xué)習(xí)方法和圖理論知識，我們提出了三種有效的計算方法用來解決蛋白質(zhì)功能的自動預(yù)測以及功能標(biāo)注數(shù)據(jù)中的噪聲問題。全文的主要工作概括如下:
　　(1)針對蛋白質(zhì)功能的自動標(biāo)注問題，提出了一種新的整合流形學(xué)習(xí)和多標(biāo)簽學(xué)習(xí)的蛋白質(zhì)功能預(yù)測框架。首先，利用邊介數(shù)對蛋白質(zhì)相互作用網(wǎng)絡(luò)進(jìn)行加權(quán)處理。然后，利用等度規(guī)特征映射(ISOMAP)算法將該加權(quán)網(wǎng)絡(luò)嵌入到低維表示空間中，從而獲得蛋白質(zhì)數(shù)據(jù)的低維

3、特征表示;最后，將蛋白質(zhì)功能預(yù)測轉(zhuǎn)化成經(jīng)典地多標(biāo)簽學(xué)習(xí)問題，并且能夠采用多種多標(biāo)簽學(xué)習(xí)方法進(jìn)行蛋白質(zhì)功能的預(yù)測與評估工作。實驗結(jié)果表明，提出的方法能夠取得了更加合理的蛋白質(zhì)低維特征表示，并且相比于其他對比方法取得了更加準(zhǔn)確的預(yù)測精度。
　　(2)提出一種魯棒的融合功能相關(guān)性的多標(biāo)簽線性回歸方法來預(yù)測蛋白質(zhì)的功能。首先，采用基于流形學(xué)習(xí)的ISOMAP算法將邊介數(shù)加權(quán)的蛋白質(zhì)相互作用網(wǎng)絡(luò)嵌入到低維子空間中。然后，根據(jù)蛋白質(zhì)低維數(shù)據(jù)的分

4、布特點，將線性回歸理論擴展到多標(biāo)簽情境中，通過余弦相似性計算蛋白質(zhì)功能標(biāo)簽之間的相似性，并將其作為規(guī)則項加入到多標(biāo)簽線性回歸模型的目標(biāo)函數(shù)中。最后，評估了提出的算法在酵母菌數(shù)據(jù)庫上的有效性。實驗結(jié)果表明，提出的方法相比于其他現(xiàn)有的方法實現(xiàn)了更加令人滿意的預(yù)測性能。
　　(3)為了解決蛋白質(zhì)功能標(biāo)注數(shù)據(jù)中包含大量噪聲的問題，提出了一種基于圖規(guī)則化l1-范數(shù)的主成分分析法(Gl1 PCA)進(jìn)行蛋白質(zhì)功能優(yōu)化。首先，該方法通過蛋白質(zhì)相互