基于特征選擇與生物相似度的HIV蛋白酶剪切位點預測研究.pdf

1、人類免疫缺陷病毒(Human Immunodeficiency Virus，HIV)是獲得性免疫缺陷綜合癥(Acquired Immunodeficiency Syndrome，AIDS)的罪魁禍首。理解HIV蛋白酶(HIVProtease，HIV-PR)的剪切特異性對研發(fā)蛋白酶抑制劑類藥物至關重要，運用模式識別的方法預測HIV-PR剪切位點可以達到這一目的。本文通過特征選擇并配合分類器設計方面的工作，進行八肽序列可剪切性重要位點的研究

2、，并在保證預測泛化能力的前提下提高預測性能。本文同時進行了基于相似度的八肽序列建模探索，提出一種基于無空位全序列比對的相似度以描述樣本間的關系，并以此為基礎進行HIV-PR剪切位點預測。本文內容主要分為以下三部分:
　　第一，針對HIV-PR剪切位點預測改進CAFS(Constructive Approach for FeatureSelection)特征選擇算法，實現(xiàn)結合人工神經網絡結構優(yōu)化的特征選擇。一方面，實現(xiàn)了特征降維，簡

3、化特征空間;另一方面，自動決定神經網絡隱藏層節(jié)點個數，實現(xiàn)神經網絡結構優(yōu)化，從而確保其泛化能力，達到提高預測性能的目的。通過準確率、敏感度、特異度、MCC(Matthews Correlation Coefficient)和AUC（Area Under Curve）五種指標評價預測效果。結果表明，通過該方法得到的特征子集具有優(yōu)秀的預測性能，將得到的特征子集進行決策融合后使預測性能得到大幅提高。此外，通過分析得到的特征子集，確定八肽序列中

4、靠近斷裂點的P1、P1'、P2和P2'位點對決定八肽序列的可剪切性起到重要作用。
　　第二，針對HIV-PR剪切位點預測改進BPFS(Binary Projection Feature Selection)特征選擇算法，將其用于本文的研究，成功地簡化了特征空間和分類器結構，保證了分類器的泛化能力。同時，對支持向量機(Support Vector Machine，SVM)進行參數優(yōu)化以提高預測性能。將得到的特征子集進行特征融合，并利

5、用優(yōu)化參數后的SVM進行預測，得到了出色的預測性能。試驗結果表明，該工作得到的結果優(yōu)于當前基于特征提取的HIV-PR剪切位點預測研究。
　　第三，提出基于無空位全序列比對的相似度，并用于HIV-PR剪切位點預測。該相似度能很好地描述序列樣本間的關系，并以此為基礎實現(xiàn)HIV-PR剪切位點預測。基于替換矩陣計算不同樣本間的相似度，進而得到相似度矩陣，利用此矩陣并結合使用SVM得到了出色的預測性能。這表明，基于相似度進行HIV-PR剪切