基于多特征的蛋白質(zhì)磷酸化預(yù)測(cè)算法研究.pdf

1、作為重要的翻譯后修飾活動(dòng)之一，可逆的蛋白質(zhì)磷酸化在多種細(xì)胞生命活動(dòng)中起著調(diào)控作用。它被形象地描述為細(xì)胞生命活動(dòng)的分子開關(guān)，幾乎調(diào)節(jié)著生命活動(dòng)的所有過程，如細(xì)胞生長、發(fā)育、凋亡等。因此，深入研究磷酸化的機(jī)理以及對(duì)蛋白功能的影響，是現(xiàn)代生物學(xué)研究中值得探索的研究方向之一。
　　識(shí)別蛋白質(zhì)的磷酸化位點(diǎn)主要有基于實(shí)驗(yàn)和預(yù)測(cè)的方法。常用的實(shí)驗(yàn)檢測(cè)蛋白質(zhì)磷酸化的方法主要有32P放射性標(biāo)記、質(zhì)譜分析法等。采用實(shí)驗(yàn)方法鑒定磷酸化位點(diǎn)耗時(shí)耗力，且對(duì)

2、蛋白質(zhì)組學(xué)的所有序列進(jìn)行檢測(cè)的可行性較低，這就推動(dòng)了生物信息學(xué)預(yù)測(cè)技術(shù)在近年來的快速發(fā)展。實(shí)驗(yàn)技術(shù)為生物信息學(xué)的發(fā)展提供了大量的實(shí)驗(yàn)數(shù)據(jù)基礎(chǔ)，從已有的磷酸化數(shù)據(jù)中挖掘修飾規(guī)律并對(duì)未知的磷酸化位點(diǎn)進(jìn)行推測(cè)的方法也被相繼提出。作為一種有效的信息學(xué)手段，蛋白質(zhì)磷酸化位點(diǎn)預(yù)測(cè)方法可以對(duì)實(shí)驗(yàn)方法起著指導(dǎo)作用。
　　本文采用機(jī)器學(xué)習(xí)方法對(duì)蛋白質(zhì)磷酸化位點(diǎn)進(jìn)行預(yù)測(cè)，提供了一種具有系統(tǒng)的和層級(jí)特異性的磷酸化位點(diǎn)預(yù)測(cè)研究方法。首先根據(jù)Manning

3、提出的方法將蛋白激酶按照同源性等信息劃分為包含組、家族、子家族和激酶四個(gè)層面的層級(jí)結(jié)構(gòu)，然后從Phospho.ELM中提取已有的蛋白質(zhì)磷酸化序列信息，并將Phospho.ELM數(shù)據(jù)庫中蛋白激酶映射到層級(jí)結(jié)構(gòu)上，構(gòu)成包含多個(gè)層面的蛋白激酶數(shù)據(jù)集。然后，從基因本體論和STRING數(shù)據(jù)庫里分別提取基因本體論和蛋白-蛋白相互作用特征，構(gòu)建用于磷酸化位點(diǎn)預(yù)測(cè)研究的特征集。由于基因本體論和蛋白-蛋白相互作用特征維數(shù)較高，我們提出了基于mRMR的“兩

4、步序列前向選擇”方法進(jìn)行特征選擇，對(duì)每組蛋白激酶數(shù)據(jù)分別選出最優(yōu)的特征子集。并在此基礎(chǔ)上，使用隨機(jī)森林方法構(gòu)建分類模型進(jìn)行預(yù)測(cè)，進(jìn)而推斷未經(jīng)實(shí)驗(yàn)驗(yàn)證的蛋白質(zhì)序列位點(diǎn)能否被磷酸化。通過10折交叉驗(yàn)證法和獨(dú)立測(cè)試方法對(duì)分類模型進(jìn)行性能評(píng)估，發(fā)現(xiàn)在各個(gè)層面上該分類模型預(yù)測(cè)性能明顯優(yōu)于其它蛋白質(zhì)磷酸化位點(diǎn)預(yù)測(cè)工具，尤其是假陽性率分別控制在1％和5％水平下，該分類模型仍然可以對(duì)陽性數(shù)據(jù)達(dá)到較高的預(yù)測(cè)準(zhǔn)確率。最后，為了方便同行使用該磷酸化位點(diǎn)預(yù)測(cè)方