版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著人類基因組計劃的順利進行,數據庫中出現了大量的未知功能的蛋白質序列,分析這些未知功能的蛋白質成為當今的首要任務。目前,亞細胞定位作為分析蛋白質功能的手段達到了一定水平,人們開始關注亞細胞器定位研究,由于實驗分析耗時、成本高,因此利用計算的方法來預測蛋白質亞細胞器定位成為當前研究的熱點。
本文系統的從蛋白質亞線粒體定位數據集的構建、特征參數的提取及優(yōu)化、預測算法的建立以及算法的推廣性等方面對蛋白質亞線粒體定位預測問題進行了研
2、究,主要研究成果如下:
1、蛋白質亞線粒體定位研究的數據集建立時間較早,包含的序列較少,我們構建了一個最新的蛋白質亞線粒體定位數據集,擴大了序列數。采用ID-SVM算法進行預測,取得較好的預測結果,同時對Du建立的數據集進行預測,在Jackknife檢驗下的總體預測成功率達到94.95%,比AC算法和DWT算法的總體預測成功率提高了5.3%和1.6%。
2、在構建蛋白質化學位移數據集的基礎上,通過分析蛋白質中20個氨
3、基酸的二級結構與四種骨架原子的化學位移關系,發(fā)現每一種氨基酸的四種骨架原子的化學位移與二級結構有關聯,呈現有規(guī)律的變化。通過化學位移的自相關算法來構建代表蛋白質的特征參數,應用在蛋白質亞線粒體定位中,達到目前最好預測結果。
3、提出氨基酸黏性(stickiness)特征參數,利用該特征參數結合化學位移等信息參數對Du建立的數據集進行預測,Jackknife檢驗下的總體預測結果為96.21%,比我們之前的研究結果提高了1.26%
4、,定位于matrix的蛋白質全部預測正確,對outermembrane的蛋白質預測成功率有所改善,Sn達到85.37%,提高了4.87%。
4、建立了分歧桿菌蛋白質亞細胞定位數據集,并且用此數據集對我們提出的特征參數提取方式和預測算法進行推廣性檢測,得到較好的結果,Jackknife檢驗結果為94.00%,比Lin的方法高出2.8%,比Rashid的算法提高了11.3%,驗證了我們算法有較強的推廣性,可以應用到其他亞細胞定位問
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于融合特征的蛋白質亞細胞定位預測.pdf
- 基于多特征融合的蛋白質亞細胞多位點定位預測.pdf
- 基于理化特征融合的蛋白質亞細胞定位預測.pdf
- 基于多信息融合的蛋白質亞細胞定位預測方法研究.pdf
- 基于mRNA等融合特征的單定位和多定位細胞凋亡蛋白質亞細胞定位預測.pdf
- 基于融合信息的蛋白質亞葉綠體定位預測研究.pdf
- 使用蛋白質和mRNA序列信息預測蛋白質亞線粒體定位.pdf
- 基于多視角特征融合的蛋白質屬性預測.pdf
- 基于多標記學習的蛋白質亞細胞定位預測.pdf
- 9015.基于多信息融合預測單定位和多定位凋亡蛋白質亞細胞位置
- 基于離散特征的蛋白質亞細胞定位預測方法研究.pdf
- 基于多信息融合的蛋白質結構類預測方法研究.pdf
- 基于機器學習的多定位點蛋白質亞細胞定位預測方法研究.pdf
- 基于多特征融合的蛋白質三級結構預測.pdf
- 蛋白質亞細胞定位預測方法研究.pdf
- 基于多特征融合和集成的蛋白質相互作用預測.pdf
- 蛋白質結構類與亞細胞定位預測中的特征提取方法研究.pdf
- 基于多信息融合與多標簽集成分類器預測蛋白質亞核與ncRNA亞細胞定位.pdf
- 基于直推學習的蛋白質亞細胞定位預測.pdf
- 基于糾錯輸出編碼的蛋白質亞細胞定位預測.pdf
評論
0/150
提交評論