基于蛋白質(zhì)一級(jí)域結(jié)構(gòu)和二級(jí)結(jié)構(gòu)的相互作用預(yù)測(cè)研究.pdf

1、蛋白質(zhì)相互作用預(yù)測(cè)是分子生物學(xué)中一個(gè)重要的部分。蛋白質(zhì)之間的相互作用是蛋白質(zhì)功能方面最重要的特征，它在生物的生命活動(dòng)中起著舉足輕重的作用。在蛋白質(zhì)相互作用的背后隱藏著域相互作用，域是組成蛋白質(zhì)的功能片段，域相互作用對(duì)蛋白質(zhì)的相互作用起著較為重要的作用，因此了解在域?qū)用婕?jí)別的蛋白質(zhì)相互作用對(duì)研究蛋白質(zhì)相互作用網(wǎng)絡(luò)的構(gòu)建起到舉足輕重的作用；二級(jí)結(jié)構(gòu)是構(gòu)成蛋白質(zhì)高級(jí)結(jié)構(gòu)的重要部分，本文將把蛋白質(zhì)的一級(jí)序列以及域結(jié)構(gòu)結(jié)合起來(lái)，力圖提高預(yù)測(cè)準(zhǔn)確度

2、，共同預(yù)測(cè)蛋白質(zhì)之間的相互作用。鑒于傳統(tǒng)的生物濕實(shí)驗(yàn)方法具有成本高、周期長(zhǎng)、錯(cuò)誤率高的特點(diǎn)，通過(guò)計(jì)算方法預(yù)測(cè)蛋白質(zhì)相互作用的干實(shí)驗(yàn)方法得以快速發(fā)展，并已成為輔助濕實(shí)驗(yàn)方法共同獲得蛋白質(zhì)相互作用數(shù)據(jù)的重要手段。
　　本文在內(nèi)容上主要分為以下幾部分。
　　首先，主要介紹了本論文涉及到的相關(guān)的概念和原理，包括蛋白質(zhì)的一、二級(jí)結(jié)構(gòu)，蛋白質(zhì)結(jié)構(gòu)域的概念，期望最大化算法，相關(guān)方法，最大似然化方法以及支持向量機(jī)算法等基本概念。
　　

3、其次，本文采用EM(estimationmaximum，期望最大化)算法和MLE(maximumlikelihoodestimate，最大似然估計(jì))方法來(lái)預(yù)測(cè)采樣蛋白質(zhì)之間的相互作用關(guān)系。我們從蛋白質(zhì)-域關(guān)系數(shù)據(jù)庫(kù)PFAM[9]中提取蛋白質(zhì)和其對(duì)應(yīng)的作用域信息；同時(shí)還采用了其它的研究小組通過(guò)酵母雜交實(shí)驗(yàn)產(chǎn)生的啤酒酵母蛋白質(zhì)相互作用數(shù)據(jù)。蛋白質(zhì)預(yù)測(cè)主要分為三個(gè)步驟：首先，通過(guò)AM(associationmethod)方法來(lái)初始化域-域作用

4、概率；然后，通過(guò)EM算法和MLE方法來(lái)訓(xùn)練域-域相互作用的概率；最后，用前面步驟訓(xùn)練得到的域-域作用概率值計(jì)算采樣蛋白質(zhì)之間作用概率。實(shí)驗(yàn)結(jié)果表明，我們的預(yù)測(cè)結(jié)果與從MIPS[25]數(shù)據(jù)庫(kù)中獲得的數(shù)據(jù)有明顯的重疊。基因表達(dá)譜序的相關(guān)性驗(yàn)證表明我們的預(yù)測(cè)結(jié)果具有較高的準(zhǔn)確性。
　　第三，我們?cè)谇耙徊糠謱?shí)驗(yàn)的結(jié)果基礎(chǔ)上將蛋白質(zhì)相互作用抽象成為多種特征的特征向量，用SVM(supportvectormachine，支持向量機(jī))來(lái)訓(xùn)練模型