基于圖像的蛋白質晶體分類方法研究.pdf

1、對蛋白質的研究是當前生命科學的研究熱點之一。由于蛋白質的功能由其自身的結構決定，所以研究蛋白質晶體的結構對我們理解蛋白質的功能，蛋白質分子之間的相互作用以及蛋白質分子和其他生物分子之間的協(xié)作機制都有很重要的意義，并且對生命科學，生物醫(yī)學和人類生活等方面也都有很深遠的影響。 當前蛋白質晶體研究領域中存在的主要問題是難以獲得足夠的適宜蛋白質晶體。蛋白質結晶是一個多因素共同作用的過程，而目前并沒有確定的規(guī)則可以用來指導蛋白質的結晶。

2、所以現(xiàn)在采用的主要方法是利用高通量的蛋白質結晶設備培養(yǎng)大量的蛋白質結晶樣本，然后研究者從這些結晶樣本中挑選出符合實驗條件的蛋白質晶體，并同時尋求合適的蛋白質結晶條件。由于實驗樣本數(shù)巨大，完全依靠人力來處理這些實驗樣本既費時又費力。因此，一個實時性強，準確度高的蛋白質晶體自動分類系統(tǒng)在蛋白質晶體研究中必不可少。 國內(nèi)外對于蛋白質晶體自動分類系統(tǒng)的研究大部分都還處于初始階段。由于實驗設備以及實驗環(huán)境的差異，產(chǎn)生的蛋白質晶體樣本也不

3、同，因此不同研究者提出的蛋白質晶體分類算法并無法通用。另外，對于不同分類模型的選擇還只是一個經(jīng)驗性的過程，對于使用何種分類算法還缺少理論的和實驗上的依據(jù)。基于以上原因，我們提出了一種新的基于圖像的蛋白質晶體分類算法，本文提出的蛋白質晶體分類算法主要由三部分組成： 1.對原始圖像進行圖像預處理與圖像分割，尋找出圖像中需要進行識別的區(qū)域。 2.在待識別的區(qū)域中進行特征提取操作，通過一系列的數(shù)學變換，將圖像數(shù)據(jù)轉化為特征數(shù)

4、據(jù)，從而使得分類模型可以根據(jù)獲得的特征將圖像歸入正確的類別。 3.利用一系列類別已知的特征數(shù)據(jù)訓練一個分類模型，并利用訓練好的分類模型對未知類別的特征數(shù)據(jù)做出分類。 本文完成的主要工作包括如下方面： 1.提出由自動閾值分割，主動輪廓線模型和區(qū)域搜索三部分組成的蛋白質晶體圖像分割算法。 2.用一系列特征提取算法尋找最能代表圖像性質的特征,這些特征包括圖像的統(tǒng)計特征，幾何特征，紋理特征和頻譜特征。