支持向量機及其在生物材料功能研究中的應(yīng)用.pdf

1、蛋白質(zhì)結(jié)構(gòu)分析的經(jīng)典方法是x射線晶體學(xué)和多維核磁共振技術(shù)。這些技術(shù)昂貴、費時，甚至有些蛋白質(zhì)根本無法用這些方法測出結(jié)構(gòu)；而另一方面，蛋白質(zhì)測序則顯得相對簡單、快捷和廉價。因此導(dǎo)致已知序列的蛋白質(zhì)數(shù)量與已知結(jié)構(gòu)的蛋白質(zhì)數(shù)量的差距變得越來越大，迫使人們應(yīng)用多種模擬技術(shù)對蛋白質(zhì)的結(jié)構(gòu)進行了廣泛、深入的研究。經(jīng)過近30年的研究和發(fā)展，蛋白質(zhì)結(jié)構(gòu)預(yù)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(zhì)急需進行

2、研究。如何根據(jù)蛋白質(zhì)的結(jié)構(gòu)或僅從序列信息出發(fā)來預(yù)測蛋白質(zhì)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(zhì)功能預(yù)測主要集中在對于單個或某些特定蛋白質(zhì)功能的預(yù)測上，難以滿足生命科學(xué)發(fā)展的需要。如果從序列決定結(jié)構(gòu)、結(jié)構(gòu)決定功能這條思路出發(fā)，先以序列預(yù)測結(jié)構(gòu)，再據(jù)此預(yù)測/推定功能的方式來預(yù)測蛋白質(zhì)的功能，受目前蛋白質(zhì)結(jié)構(gòu)預(yù)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(zhì)結(jié)構(gòu)、功能的預(yù)測研究的現(xiàn)狀，本文提出從組成蛋白質(zhì)的氨基酸的物理

3、、化學(xué)性質(zhì)出發(fā)，應(yīng)用機器學(xué)習(xí)方法一支持向量機(SupportVectorMachine，SVM)，直接基于蛋白質(zhì)序列大規(guī)模地預(yù)測蛋白質(zhì)的功能。 本文利用隨機梯度上升算法構(gòu)建了一套通用二類分類器-SVM★。應(yīng)用聲納數(shù)據(jù)集及多組蛋白質(zhì)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(jié)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(zhì)功能預(yù)測服務(wù)軟件SVMProt。 首次應(yīng)用支持向量機算法系統(tǒng)地研究了大量的功能蛋白質(zhì)家簇的分類問題。對包括酶蛋白在內(nèi)的69個蛋白質(zhì)功能家簇進行了樣本采集和基于序列的分類研究。經(jīng)過對完全獨立評價樣本集的測試及測試結(jié)果置信度的統(tǒng)計表明：SVMProt具有很強的蛋白質(zhì)功能識別本領(lǐng)

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(zhì)分類的瓶頸問題，它可以在一定程度上預(yù)測具有不同功能的同源蛋白質(zhì)的功能及具有相同功能的遠緣蛋白質(zhì)的功能。 應(yīng)用SVMProt對SARS冠狀病毒的3個蛋白質(zhì)(Eprotein，Nprotein和ORF13)進行了預(yù)測，結(jié)果顯示：Eprotein是一種能與膜蛋白結(jié)合的蛋白質(zhì)，Nprotein是一種能與RNA結(jié)合在一起的蛋白質(zhì)，兩結(jié)