生物信息學方法研究蛋白質(zhì)相互作用.pdf

1、隨著人類基因組測序工作的完成,功能基因組的全面展開,后基因組的時代已經(jīng)到來。而闡明基因組所表達的真正執(zhí)行生命活動的全部蛋白質(zhì)的表達規(guī)律和生物功能,即蛋白質(zhì)組的研究,成為我們研究的重要目標,因為蛋白質(zhì)才是生命活動的真正執(zhí)行者。蛋白質(zhì)控制和調(diào)節(jié)細胞中的諸多功能,而從基因組編碼蛋白的相互作用水平詮釋基因組功能,是后基因組時代的一個重要任務。生物信息學的概念自上個世紀末被提出來后,隨著實驗科學技術的進步和互聯(lián)網(wǎng)的發(fā)展,生物信息學成了當代生物研究

2、中不可或缺的一個環(huán)節(jié),利用生物信息方法開發(fā)的軟件和和數(shù)據(jù)庫資源成了當代生物學家進行科學研究時不可缺少的部分。而進行規(guī)模化驗證蛋白質(zhì)之間的相互作用,是后基因組時代生物信息學需要解決的一個重要課題,一個完全自動并且可靠的蛋白相互作用預測系統(tǒng)需要被建立。本文介紹了目前計算方法在蛋白質(zhì)相互作用研究中的研究現(xiàn)狀;總結歸納了機器學習方法在目前生物信息學的應用,并對支撐向量機(SVM)算法的基本原理做了闡述;在此基礎上我們開發(fā)了一種基于支撐向量機算法

3、的蛋白質(zhì)相互作用預測方法,該方法從蛋白質(zhì)的一級結構出發(fā),根據(jù)蛋白質(zhì)序列信息構造特征向量,用支撐向量機算法對特征向量進行分類,預測兩個蛋白質(zhì)的相互作用。交叉驗證測試的結果表明,我們的方法在酵母基因組中預測的準確率、精確度、敏感性及相關系數(shù)分別達到:72.46％、70.00%、78.64%及0.45。最后對我們方法的適用性和特點做了相關的探討,對該預測系統(tǒng)的進一步開發(fā)做了些討論。研究表明,本文方法不僅是對現(xiàn)存的“濕”的實驗方法的一種補充,而