基于離散增量法和神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)亞細(xì)胞定位預(yù)測.pdf

1、隨著后基因組時代的到來，生命科學(xué)的研究內(nèi)容呈高速發(fā)展態(tài)勢，生物信息數(shù)據(jù)迅速增長。由于生物數(shù)據(jù)具有大規(guī)模性和復(fù)雜性的特征，因此，探索如何高效處理海量生物數(shù)據(jù)的生物信息學(xué)學(xué)科就應(yīng)運而生。生物學(xué)功能取決于蛋白質(zhì)所處的亞細(xì)胞位置，同時，蛋白質(zhì)發(fā)揮功能的必要條件是該蛋白質(zhì)要處于特定的亞細(xì)胞位置。如果蛋白質(zhì)的運送位置發(fā)生了偏差，那么將會對細(xì)胞功能乃至生物體產(chǎn)生重大影響。此外，明確蛋白質(zhì)的亞細(xì)胞定位能獲取蛋白質(zhì)的功能和結(jié)構(gòu)信息，也可以使人們了解疾病的

2、發(fā)生機理，有利于生物制藥和細(xì)胞醫(yī)療領(lǐng)域的深入發(fā)展。因此，蛋白質(zhì)亞細(xì)胞定位預(yù)測成為了后基因組時代生物信息學(xué)的主要研究內(nèi)容之一。
　　生物學(xué)觀點認(rèn)為，蛋白質(zhì)序列決定結(jié)構(gòu)，結(jié)構(gòu)決定功能。蛋白質(zhì)亞細(xì)胞定位預(yù)測的生物信息學(xué)方法主要是通過智能算法和最初的氨基酸序列來預(yù)測蛋白質(zhì)具體的亞細(xì)胞位置。蛋白質(zhì)亞細(xì)胞定位預(yù)測的生物信息學(xué)方法一般包括四個步驟:第一，建立一個客觀有效的數(shù)據(jù)集;第二，選擇合適的特征提取方法對蛋白質(zhì)序列進(jìn)行編碼;第三，利用智能算

3、法構(gòu)建行之有效的分類器，應(yīng)用分類器對蛋白質(zhì)序列進(jìn)行亞細(xì)胞定位;第四，根據(jù)預(yù)測結(jié)果對分類器算法進(jìn)行評估。
　　本文系統(tǒng)的介紹了蛋白質(zhì)特征提取方法、蛋白質(zhì)亞細(xì)胞定位的智能算法、離散增量法和神經(jīng)網(wǎng)絡(luò)等基本理論，在總結(jié)前人的研究基礎(chǔ)上，提出了使用離散增量法結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行蛋白質(zhì)亞細(xì)胞定位預(yù)測的方法。研究的重點是，將離散增量法和神經(jīng)網(wǎng)絡(luò)進(jìn)行有效結(jié)合以及能夠使蛋白質(zhì)序列獲得較高的預(yù)測精度的特征提取方法。
　　進(jìn)行蛋白質(zhì)亞細(xì)胞定位，首先必

4、須通過特征提取方法使蛋白質(zhì)序列成為計算機能夠識別的數(shù)字信息。特征提取方法對亞細(xì)胞定位預(yù)測正確率至關(guān)重要，常用的特征提取方法有氨基酸組成模型(AAC)、二肽組成模型(Dipeptide)、水合組成模型（AAHC）、偽氨基酸組成模型（PseAA）、理化組成模型(PCC)、分組重量編碼(EBGW)、N端信號編碼(NTS)等。本文研究時，將離散增量法這種分類器方法轉(zhuǎn)化成特征提取方法，將常用特征提取方法提取后的蛋白質(zhì)序列輸入到離散增量分類器中，將

5、得到的多樣性增量作為蛋白質(zhì)的特征。同時，將各種常用特征提取后得到的多樣性增量特征進(jìn)行了融合。結(jié)果顯示，有效的融合多特征會比單使用一種特征編碼方式效果更好。其中，N端信號編碼對亞細(xì)胞定位預(yù)測效果的提高起到了很大的作用。
　　常用的二分類器方法有K近鄰方法(KNN)、貝葉斯網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、柔性神經(jīng)樹(FNT)等。但蛋白質(zhì)亞細(xì)胞定位預(yù)測是典型的多類分類問題，用上面提到的幾種分類器進(jìn)行多分類，預(yù)測結(jié)果并不理想。因此，處理多分