29280.蛋白質(zhì)亞細胞定位預(yù)測中若干信息提取算法研究

1、浙江理工大學(xué)學(xué)位論文獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。除了文中特別加以標注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得浙江理工大學(xué)或其他教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名多車灰簽字日期：勱／彥p弓月f／日浙江理工大學(xué)碩士學(xué)位論文蛋白質(zhì)亞細胞定位預(yù)測中若干信息提取

2、算法研究摘要蛋白質(zhì)的功能與其亞細胞位置有著密切的聯(lián)系，對于確定一個未知特性蛋白質(zhì)的功能，基于機器學(xué)習(xí)的蛋白質(zhì)亞細胞定位預(yù)測研究能夠為其提供重要的參考信息。本文主要關(guān)注亞細胞定位預(yù)測中的信息提取算法，研究內(nèi)容如下：(1)基于AAindex數(shù)據(jù)庫挖掘的信息提取算法。根據(jù)氨基酸的理化性質(zhì)，采用自相關(guān)函數(shù)和氨基酸約化分類的信息提取方法掃描AAindex數(shù)據(jù)庫中的544種氨基酸指數(shù)，系統(tǒng)的研究不同的氨基酸指數(shù)、不同的約化方法、不同的信息提取算法在

3、蛋白質(zhì)亞細胞定位預(yù)測中的影響。(2)基于PSIBLAST同源比對的信息提取算法。目前的研究在使用PSIBLAST構(gòu)建比對數(shù)據(jù)庫時存在冗余及效率低下的問題，本文提出一種新的PSIBLAST構(gòu)建比對數(shù)據(jù)庫的方法：采用訓(xùn)練集本身替換常用的NR數(shù)據(jù)庫。這種構(gòu)建策略能夠更好的提取同源信息和排除冗余數(shù)據(jù)的干擾，在蛋白質(zhì)的亞細胞定位預(yù)測中發(fā)現(xiàn)這種方法大大提高了比對效率，并且能夠取得較高的預(yù)測準確率。(3)基于蛋白序列黃金比例分段的信息提取算法。根據(jù)蛋

4、白質(zhì)序列從Ⅳ端到C端的不同部位涵蓋著不同的信息，本文引入黃金比例對蛋白質(zhì)序列進行分段處理，分段后統(tǒng)計片段的組分信息和位置信息；對蛋白序列的PSSM矩陣，根據(jù)黃金比例分割成若干個不同的子矩陣，統(tǒng)計子矩陣的進化信息。通過本文研究發(fā)現(xiàn)，根據(jù)分段統(tǒng)計的組分信息、位置信息、進化信息構(gòu)建的融合模型能夠顯著提高亞細胞定位預(yù)測的準確率。另外，本文基于主成分分析開發(fā)了一種特征子集搜索算法，此算法能在降維的同時顯著提高預(yù)測準確率。關(guān)鍵詞：蛋白質(zhì)，亞細胞定位