基于計算智能的蛋白質(zhì)三級結(jié)構(gòu)預測.pdf

1、蛋白質(zhì)三級結(jié)構(gòu)預測是由氨基酸序列預測蛋白質(zhì)三級結(jié)構(gòu)的過程。蛋白質(zhì)結(jié)構(gòu)預測的基本假設(shè)是蛋白質(zhì)三級結(jié)構(gòu)由其氨基酸序列唯一決定。研究蛋白質(zhì)的結(jié)構(gòu)意義重大，不但有助于了解蛋白質(zhì)的作用，了解蛋白質(zhì)如何行使其生物功能，認識蛋白質(zhì)與蛋白質(zhì)之間的相互作用，而且對生物學、醫(yī)學和藥學都有非常重要的作用。歷時十年的人類基因組計劃產(chǎn)生了海量的生物序列數(shù)據(jù)，蛋白質(zhì)序列數(shù)據(jù)與結(jié)構(gòu)數(shù)據(jù)數(shù)量之間的差距越來越大，所以蛋白質(zhì)結(jié)構(gòu)預測變得日益緊迫和重要。
　　 本文

2、所要研究的是如何構(gòu)建一個蛋白質(zhì)三級結(jié)構(gòu)預測模型，使之能夠更加準確有效的預測氨基酸對應(yīng)的蛋白質(zhì)三級結(jié)構(gòu)。內(nèi)容包括氨基酸序列的特征提取方式，神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計及智能優(yōu)化算法的選擇。
　　 一、氨基酸序列特征提取。要對蛋白質(zhì)結(jié)構(gòu)進行預測，首先必須把氨基酸序列中的信息提取出來，轉(zhuǎn)換成計算機可以處理的數(shù)據(jù)，即進行特征提取。選擇何種提取方式非常關(guān)鍵，不同的特征提取出的信息大不相同，現(xiàn)在的方法主要有氨基酸組成模型（AA）、二肽組成模型、多肽組成

3、模型、偽氨基酸組成（PseAA）、多特征融合、基于氨基酸物理化學性質(zhì)等，從不同角度對氨基酸特征進行提取。本文采用了以上各種特征提取方式并進行了特征融合。實驗表明，不同的特征提取方式對于不同的數(shù)據(jù)集和分類模型效果不同。
　　 二、分類模型的建立。蛋白質(zhì)三級結(jié)構(gòu)預測實際上是根據(jù)提取出的有用信息，通過學習分析這些信息，總結(jié)出規(guī)律，實現(xiàn)對未知結(jié)構(gòu)氨基酸序列的結(jié)構(gòu)預測。對于蛋白質(zhì)三級結(jié)構(gòu)預測這種信息維數(shù)高，計算量大的問題，借助神經(jīng)網(wǎng)絡(luò)是非

4、常有效地。神經(jīng)網(wǎng)絡(luò)具有較強的自組織、自學習、自適應(yīng)能力，能夠快速學習到序列中包含的特征，實現(xiàn)對結(jié)構(gòu)的預測。而對于網(wǎng)絡(luò)，包括結(jié)構(gòu)的優(yōu)化和參數(shù)的優(yōu)化兩部分。選擇何種優(yōu)化算法是至關(guān)重要的，不同的算法會產(chǎn)生不同的時間效率，不同的算法對應(yīng)不同的預測正確率。本文中將對各種不同的優(yōu)化算法進行比較，選擇出更適合的優(yōu)化算法。實驗表明，參數(shù)優(yōu)化采用粒子群優(yōu)化算法(PSO)能取得較好的效果。BP神經(jīng)網(wǎng)絡(luò)在蛋白質(zhì)三級結(jié)構(gòu)預測中能大大提高預測準確率。針對蛋白質(zhì)三

5、級結(jié)構(gòu)預測這種多分類問題，本文提出將多類問題轉(zhuǎn)換成多個二分類問題的集成。通過試驗表明，單輸出方式比多輸出方式能有效的提高預測的正確率。為了尋找一種更優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)，本文首次將靈活神經(jīng)樹( FNT)應(yīng)用在蛋白質(zhì)三級結(jié)構(gòu)預測中，PSO對網(wǎng)絡(luò)參數(shù)進行優(yōu)化，概率增強式程序進化( PIPE)對網(wǎng)絡(luò)結(jié)構(gòu)進行優(yōu)化。實驗表明，這種模型在預測25PDB這樣較大的蛋白質(zhì)數(shù)據(jù)集中，效果理想。它不但解決了以前預測時只能提前固定網(wǎng)絡(luò)結(jié)構(gòu)和采用試探法選擇隱層個數(shù)的問