支持向量機及其在生物材料功能研究中的應用.pdf

1、蛋白質結構分析的經典方法是x射線晶體學和多維核磁共振技術。這些技術昂貴、費時，甚至有些蛋白質根本無法用這些方法測出結構；而另一方面，蛋白質測序則顯得相對簡單、快捷和廉價。因此導致已知序列的蛋白質數(shù)量與已知結構的蛋白質數(shù)量的差距變得越來越大，迫使人們應用多種模擬技術對蛋白質的結構進行了廣泛、深入的研究。經過近30年的研究和發(fā)展，蛋白質結構預測的準確率仍然只維持在65％～85％之間。在人類已進入后基因時代的今天，許多未知功能的蛋白質急需進行

2、研究。如何根據(jù)蛋白質的結構或僅從序列信息出發(fā)來預測蛋白質的功能成為了一個迫切需要解決的問題。以往人們對于蛋白質功能預測主要集中在對于單個或某些特定蛋白質功能的預測上，難以滿足生命科學發(fā)展的需要。如果從序列決定結構、結構決定功能這條思路出發(fā)，先以序列預測結構，再據(jù)此預測/推定功能的方式來預測蛋白質的功能，受目前蛋白質結構預測準確率偏低的影響，其準確率無疑又將大打折扣。根據(jù)蛋白質結構、功能的預測研究的現(xiàn)狀，本文提出從組成蛋白質的氨基酸的物理

3、、化學性質出發(fā)，應用機器學習方法一支持向量機(SupportVectorMachine，SVM)，直接基于蛋白質序列大規(guī)模地預測蛋白質的功能。 本文利用隨機梯度上升算法構建了一套通用二類分類器-SVM★。應用聲納數(shù)據(jù)集及多組蛋白質分類數(shù)據(jù)集，將SVM★與基于SMO(SequentialMinimalOptimization)算法的SVMlight和基于QP(QuadraticProgramming)算法的SVM-QP同類軟件進行

4、了比較研究，結果表明：SVM★的分類性能均優(yōu)于SVMlight和SVM-QP。 創(chuàng)建了簡潔、實用的網(wǎng)上在線通用二類分類軟件SVM★網(wǎng)站和網(wǎng)上在線蛋白質功能預測服務軟件SVMProt。 首次應用支持向量機算法系統(tǒng)地研究了大量的功能蛋白質家簇的分類問題。對包括酶蛋白在內的69個蛋白質功能家簇進行了樣本采集和基于序列的分類研究。經過對完全獨立評價樣本集的測試及測試結果置信度的統(tǒng)計表明：SVMProt具有很強的蛋白質功能識別本領

5、，其識別準確率在80.5％～99.7％之間。進一步深入研究發(fā)現(xiàn)，SVMProt還突破了基于序列比對的蛋白質分類的瓶頸問題，它可以在一定程度上預測具有不同功能的同源蛋白質的功能及具有相同功能的遠緣蛋白質的功能。 應用SVMProt對SARS冠狀病毒的3個蛋白質(Eprotein，Nprotein和ORF13)進行了預測，結果顯示：Eprotein是一種能與膜蛋白結合的蛋白質，Nprotein是一種能與RNA結合在一起的蛋白質，兩結