基于量子算法的蘋果及PCD相關(guān)蛋白亞細胞定位體系研究.pdf

1、動物、植物等真核生物的蛋白質(zhì)學、蛋白質(zhì)組學方面的研究在后基因組時代變得越來越重要，由于多種生物（包括果樹中的蘋果、葡萄在內(nèi)）基因測序工程的完成，研究的重心開始向確定基因的蛋白質(zhì)產(chǎn)物功能方向移動。果樹蛋白質(zhì)亞細胞定位是果樹蛋白質(zhì)組學、果樹細胞生物學和果樹分子生物信息學的重要研究內(nèi)容。果樹蛋白質(zhì)分子生物功能的實現(xiàn)一方面與代謝、信號傳導等果樹生物過程緊密相關(guān)，另一方面果樹蛋白質(zhì)分子必須處于特定的亞細胞區(qū)域才能行使其生物功能。對于未知功能的果樹

2、蛋白質(zhì)獲取其亞細胞的位置信息對進一步研究該蛋白質(zhì)的分子功能是十分必要的。通過生物實驗技術(shù)手段獲取一個果樹蛋白質(zhì)亞細胞定位信息是通常的做法，但是這種做法消耗時間較長且實驗成本較高，同時由于果樹蛋白質(zhì)序列的快速增長，在短時間內(nèi)獲取規(guī)模化蛋白質(zhì)亞細胞定位信息（例如:蘋果全基因組蛋白質(zhì)亞細胞定位信息）只能依靠生物信息技術(shù)手段來完成。另一方面，從生物數(shù)據(jù)角度來看生物信息學主要可以分為三個研究領(lǐng)域:大量生物序列數(shù)據(jù)的生成與管理、生物數(shù)據(jù)的使用與分析

3、、生物數(shù)據(jù)分析平臺工具的研究與開發(fā)。由于生物信息數(shù)據(jù)大量的產(chǎn)生以及生命科學研究的迅猛發(fā)展，無論是從科學研究還是生產(chǎn)實踐，人們急需能滿足需求的生物數(shù)據(jù)分析平臺工具，在一些研究課題中生物數(shù)據(jù)分析平臺工具甚至成為制約深入研究的瓶頸問題。同時，由于生物數(shù)據(jù)分析平臺工具研究與開發(fā)往往需要來自生物、數(shù)學、物理、化學、信息科學等多領(lǐng)域的知識，這也增加生物數(shù)據(jù)分析平臺工具研究與開發(fā)的復雜性。所以在果樹生物數(shù)據(jù)分析平臺工具方面開展深入的研究是十分必要的，

4、并且也具有重要的實踐應用價值，這也是我們研究工作的目的之一。
　　 本文以量子算法為主，針對PCD相關(guān)蛋白質(zhì)亞細胞定位預測中的生物信息技術(shù)問題和蘋果蛋白質(zhì)亞細胞定位預測的實現(xiàn)問題進行了深入的分析與研究，結(jié)合生物物理和物理的知識，提出了具體的解決辦法和實現(xiàn)方案。本文的主要工作和創(chuàng)新之處概括如下:
　　 1.從蛋白質(zhì)氨基酸序列的組成出發(fā)，利用物理學中粒度的思想，提出了蛋白質(zhì)氨基酸序列的粒度概念，結(jié)合具體氨基酸序列片段詳細闡述

5、了蛋白粒度的構(gòu)成。使用蛋白粒度對氨基酸序列進行分析，進一步給出了蛋白粒度的階、蛋白粒度的界、蛋白粒度的極限、蛋白粒度增量等概念。在深入的研究時發(fā)現(xiàn):蛋白粒度沿序列不均勻分布;每條蛋白序列都有各自的蛋白粒度的極限;對于所有蛋白來講，蛋白的各階粒度都有共同的界。如果從蛋白預測的應用來講，還可以得出:蛋白粒度包含了氨基酸序列的組成信息，包含了氨基酸序列的排列信息，還包含了同種氨基酸的互鄰信息，同時蛋白粒度增量自然包含了氨基酸序列的長度信息。對

6、于如何利用蛋白粒度的理論和知識來構(gòu)造蛋白序列的特征向量，本文給出了一種具體的構(gòu)造方法并對有關(guān)參數(shù)進行了詳細的說明。根據(jù)蛋白粒度增量的信息對標準數(shù)據(jù)集的蛋白質(zhì)二級結(jié)構(gòu)類以及植物蛋白亞葉綠體定位進行預測，得到比前人更好的結(jié)果，這些進一步說明了蛋白粒度是反映蛋白質(zhì)屬性的非常有用的指標。
　　 2.選擇ZD98、ZW225、CL317凋亡蛋白標準數(shù)據(jù)集，利用蛋白粒度對凋亡蛋白序列進行特征提取，得到38維蛋白序列特征向量，對量子神經(jīng)網(wǎng)絡算

7、法(QNN)進行改進后，對凋亡蛋白進行亞細胞定位預測，分別獲得了87.8％、83.1％、85.5％的總體預測精度，這些預測精度等于或高于原作者的預測精度，說明蛋白粒度與QNN結(jié)合的方法在凋亡蛋白亞細胞定位預測上是有效的。
　　 3.利用已經(jīng)公布的蘋果全基因組蛋白序列，對蘋果全基因組蛋白序列進行粒度等特征提取，分別得到蘋果全基因組蛋白二階粒度組成、三階粒度組成、粒度多空間融合等特征向量，然后根據(jù)量子力學中波函數(shù)的疊加思想研制了新的

8、量子算法(QSVM)，對蘋果全基因組蛋白63541條氨基酸序列進行了亞細胞定位預測，獲得了相應的定位信息，并形成了蘋果全基因組蛋白亞細胞位點數(shù)據(jù)庫1。
　　 4.在Chou構(gòu)造的一個高質(zhì)量的植物蛋白細胞多定位基準數(shù)據(jù)集的基礎(chǔ)之上，本文提出分別處理的預測模式，對多標簽蛋白和單標簽蛋白分別進行預測，同時利用GO注釋對蛋白序列進行特征提取，取得了較高的預測精度，為蛋白的多定位預測找到了一種新的方法。
　　 5.在蘋果全基因組蛋

9、白數(shù)據(jù)集的基礎(chǔ)上，對有GO注釋的蘋果蛋白進行了GO注釋特征提取，結(jié)合本文提出的蛋白粒度的有關(guān)理論和知識，再進行蛋白粒度特征提取，研制了新的量子算法(SQSVM)，對在蘋果全基因組上篩選出來的含GO注釋的15297條蛋白氨基酸序列進行了亞細胞定位預測，給出了相應的定位結(jié)果，在此基礎(chǔ)之上構(gòu)建了蘋果全基因組蛋白亞細胞位點數(shù)據(jù)庫2。
　　 6.作為生物數(shù)據(jù)分析平臺具體體現(xiàn)的亞細胞定位網(wǎng)站——蘋果蛋白亞細胞定位系統(tǒng)網(wǎng)站和植物蛋白亞細胞多定