基于圖形表示及氨基酸順序的蛋白質進化分析.pdf

1、生命體的核酸和蛋白質序列在進化過程中具有相對的穩(wěn)定性，同時包含著海量信息。對生命體進行研究，歸根結底是對核酸、蛋白質等生物大分子進行研究。對生物序列的研究分析，有助于研究生物序列之間的關系，解讀生物遺傳信息，從而能夠為人類治愈各類疾病、提前預防疾病提供可能。決定生命體結構和功能的是蛋白質，隨著大量蛋白質數據集的產生，以及各類計算機軟件的不斷完善與發(fā)展，對蛋白質序列的研究進入了快車道。因此本文利用蛋白質的序列進行進化分析。
　　本文

2、的成果和創(chuàng)新之處在于以下幾個方面:
　　第一，坐標表示。采用分類和依據原始數據兩種表示形式，考慮了對氨基酸性質有影響的多種重要理化性質，全面刻畫氨基酸。對于橫坐標，采用定性描述的方式，選取極性和親水性兩種性質，按照影響因子大小賦予權重，作為分類依據，并對每一類進行自定義賦值?？v坐標依據等電位點值PI進行定量描述。本文的圖形表示是在考慮理化性質的基礎上，采用定性與定量相結合的方法定義氨基酸坐標，這樣既考慮了相似氨基酸的共性，又考慮了

3、每個氨基酸的個性。
　　第二，在對蛋白質圖形表示時，充分考慮氨基酸所在位置信息。在得到蛋白質序列橫縱坐標后，運用本文定義的相鄰距離向量提取圖形特征。同時針對蛋白質序列不等長的問題，進行等長處理。為了考慮相鄰位置不同氨基酸順序之間的相互影響，本文在對氨基酸分成5類的基礎上，定義三聯(lián)體的相對概率，得到第三條特征向量。
　　第三，對本文方法進行了推廣。為了使本文方法對于序列長度較短的數據集仍具有適用性，避免出現(xiàn)部分三聯(lián)體或二聯(lián)體數

4、目為零的情況，我們采用25個二聯(lián)體相對概率作為其特征向量，取得了很好的分類效果。
　　在本文中，我們在圖形表示時綜合考慮了氨基酸部分重要的理化性質、氨基酸的位置信息、相鄰氨基酸的相互影響。在描述圖形特征的時候引入相鄰距離向量的概念，并提出了對序列等長處理的方法。得到能夠準確表示蛋白質序列信息的特征向量。通過利用相應的距離公式，進行進化分析。本文在ND5、24條轉鐵蛋白數據集中進行驗證，發(fā)現(xiàn)利用本文的圖形表示和考慮氨基酸順序的思路能