基于多類特征融合的蛋白質亞線粒體定位預測研究.pdf

1、隨著人類基因組計劃的順利進行，數據庫中出現了大量的未知功能的蛋白質序列，分析這些未知功能的蛋白質成為當今的首要任務。目前，亞細胞定位作為分析蛋白質功能的手段達到了一定水平，人們開始關注亞細胞器定位研究，由于實驗分析耗時、成本高，因此利用計算的方法來預測蛋白質亞細胞器定位成為當前研究的熱點。
　　本文系統的從蛋白質亞線粒體定位數據集的構建、特征參數的提取及優(yōu)化、預測算法的建立以及算法的推廣性等方面對蛋白質亞線粒體定位預測問題進行了研

2、究，主要研究成果如下:
　　1、蛋白質亞線粒體定位研究的數據集建立時間較早，包含的序列較少，我們構建了一個最新的蛋白質亞線粒體定位數據集，擴大了序列數。采用ID-SVM算法進行預測，取得較好的預測結果，同時對Du建立的數據集進行預測，在Jackknife檢驗下的總體預測成功率達到94.95％，比AC算法和DWT算法的總體預測成功率提高了5.3％和1.6％。
　　2、在構建蛋白質化學位移數據集的基礎上，通過分析蛋白質中20個氨

3、基酸的二級結構與四種骨架原子的化學位移關系，發(fā)現每一種氨基酸的四種骨架原子的化學位移與二級結構有關聯，呈現有規(guī)律的變化。通過化學位移的自相關算法來構建代表蛋白質的特征參數，應用在蛋白質亞線粒體定位中，達到目前最好預測結果。
　　3、提出氨基酸黏性(stickiness)特征參數，利用該特征參數結合化學位移等信息參數對Du建立的數據集進行預測，Jackknife檢驗下的總體預測結果為96.21％，比我們之前的研究結果提高了1.26％

4、，定位于matrix的蛋白質全部預測正確，對outermembrane的蛋白質預測成功率有所改善，Sn達到85.37％，提高了4.87％。
　　4、建立了分歧桿菌蛋白質亞細胞定位數據集，并且用此數據集對我們提出的特征參數提取方式和預測算法進行推廣性檢測，得到較好的結果，Jackknife檢驗結果為94.00％，比Lin的方法高出2.8％，比Rashid的算法提高了11.3％，驗證了我們算法有較強的推廣性，可以應用到其他亞細胞定位問