面向信號肽預(yù)測的若干數(shù)據(jù)挖掘算法研究.pdf

1、信號肽因其在指導(dǎo)蛋白質(zhì)路徑方面的重要作用，近年來成為生物信息學(xué)的研究熱點。單純的實驗方法預(yù)測信號肽及其剪切點耗時耗力，80年代以來研究者提出了很多不同的模式識別方法，大大提高了工作效率。這里重點討論了數(shù)據(jù)挖掘的各種技術(shù)在生物信息學(xué)的信號肽預(yù)測領(lǐng)域的幾方面應(yīng)用，即全局比對算法用于計算信號肽序列間的相似性，和解決由滑動窗口產(chǎn)生的信號肽樣本不平衡問題。 本文主要工作包括： 1．全局比對算法用于計算信號肽序列間的相似性

2、信號肽預(yù)測的工作主要分為兩個方面：一是判斷是否為信號肽，二是預(yù)測信號肽的剪切點。判斷信號肽方面，目前的模式識別算法正確率已達(dá)92％~98％，而同樣的算法推廣至信號肽斷點的預(yù)測時，正確率則明顯下降。針對信號肽預(yù)測中的這一問題，我們首次提出了將全局比對算法用于計算信號肽序列間的相似性，用于信號肽剪切點預(yù)測當(dāng)中。其中全局比對算法我們選擇了經(jīng)典的Needleman-Wunsch算法，在探討了該算法的替換矩陣和空位罰分各參數(shù)意義之后，對空位罰分的

3、各參數(shù)選擇進(jìn)行了詳細(xì)的研究，總結(jié)出規(guī)則。這一方法在新調(diào)整的參數(shù)下，預(yù)測準(zhǔn)確率有了大幅提高。 2．信號肽預(yù)測中的樣本不平衡問題 在信號肽分類及其剪切點預(yù)測的研究中，對于目前為處理信號肽長度不一致的問題而普遍應(yīng)用的滑動窗口方法，本文詳細(xì)論述了由其引發(fā)的嚴(yán)重的不平衡數(shù)據(jù)問題。為了解決這個問題，本文提出了一種新的雙重采樣方法：即同時對大樣本采樣和對小樣本重采樣，處理后的數(shù)據(jù)用SVM分類器分類。比較實驗證明，雙重采樣方法結(jié)合現(xiàn)有的

4、兩種單純采樣方法的優(yōu)點，使得分類器相較先前的方法有了大幅提高，取得了理想的實驗結(jié)果，我們最關(guān)心的小樣本(即信號肽正樣本)的正確率有了顯著的提高。該方法還能推廣到出現(xiàn)樣本不平衡問題的眾多其他領(lǐng)域。另外，針對SVM核函數(shù)的選擇，也進(jìn)行了討論。實驗了最常用的三個SVM核函數(shù)：線性核，多項式核和RBF核在信號肽預(yù)測中的表現(xiàn)。 3．建立在線信號肽預(yù)測平臺 為了推廣我們的信號肽預(yù)測算法，更為了方便生物信息學(xué)家的研究需要，我們在互聯(lián)網(wǎng)