基于多數據源融合的蛋白質功能預測方法研究.pdf

1、隨著基因組測序的完成，生物學研究進入到了后基因組時代，其關鍵領域之一是對揭示生命活動現象極為重要的蛋白質組學的研究。蛋白質是細胞主要組成成分，其承擔著生物體的生命基礎以及生物功能。作為蛋白質組學研究的重要方向之一，確定蛋白質的功能對了解生物體運行機能、細胞結構、疾病診斷以及改良作物等具有重要意義。目前，精確的注釋蛋白質功能主要通過生物實驗方法，然而該方法受實現成本高、耗費時間長以及人為因素等限制。因此，近些年對蛋白質高通量數據使用計算方

2、法來預測大量蛋白質的功能成為一種趨勢。隨著基因芯片、生物質譜等技術的發(fā)展，產生了多種蛋白質高通量數據，包括基因表達、蛋白質序列以及蛋白質相互作用等。不同的數據從各自不同的角度體現蛋白質功能信息，如何有效地利用各數據源信息來整合這些異構蛋白質數據對準確預測蛋白質功能至關重要。
　　蛋白質功能預測是一個多樣本多標簽問題，可通過已知蛋白質注釋信息來預測未注釋蛋白質功能。一個特定功能通常不是由某個蛋白質單獨實現的，而是由多種蛋白質組成復合

3、物來執(zhí)行，即蛋白質之間存在相互作用關系。考慮到相互作用網絡中同時包含已注釋蛋白質和未注釋蛋白質，可使用基于半監(jiān)督學習的相關圖理論來預測功能。本文提出了基于多數據源融合的標簽傳播算法的功能預測方法。針對每種數據源，計算蛋白質之間的相似性值，并選取較大的相似性值構建相互作用網絡。該方法使用樸素貝葉斯模型融合多數據源網絡，并利用標簽傳播算法將已注釋蛋白質功能經過多輪傳遞到未注釋蛋白質，最后得到所有功能的得分向量。在酵母數據集交叉驗證結果表明本

4、文方法具有更高的平均查準率、較低的覆蓋度，且明顯優(yōu)于單數據源方法。
　　通過統(tǒng)計分析可知相關功能一般共同注釋于一些蛋白質，并且基因本體術語具有注釋相關性，即蛋白質注釋子術語，則同時也注釋其相關父術語。因此，本文采用杰卡德相似系數計算功能之間的注釋相關性構建功能相關性網絡，將其引入功能預測模型來提高預測精度。將功能相關性網絡結合到蛋白質相互作用網絡構建雙重索引矩陣，并使用隨機游走模型預測蛋白質功能。通過在酵母數據集上的實驗結果可知該