基于支持向量回歸集成的蛋白質-ATP綁定位點預測研究.pdf

1、蛋白質(protein)作為生命現象的物質基礎之一，是生命活動過程中的重要承擔者，在生物體的生命過程中具有重要的作用。生物信息學的研究對于人們加深對人類生命過程的認知，幫助人們改善醫(yī)療環(huán)境和提高生活質量有著重要的意義，受到了國內外學者的廣泛重視。隨著上世紀90年代“人類基因組計劃”(Human Genome Project，HGP)工作的展開，已知蛋白質序列的數量呈爆炸性增長，標志著人類已經跨入到后基因組時代。
　　蛋白質的基本組

2、成單位是氨基酸，蛋白質分子由氨基酸序列形成的一條長長的肽鏈，并在空間盤繞折疊進而形成特定的立體結構，不同的氨基酸序列決定了蛋白質結構的多樣性。我們知道，蛋白質結構決定蛋白質功能，而蛋白質的生物功能體現在它和各種配體如三磷酸腺苷、維生素、金屬離子、藥物分子等以某種生物化學方式結合（稱之為綁定），在生物體的生命過程中發(fā)揮相應的作用。三磷酸腺苷(Adenosine5'-triphosphate，ATP)作為一種蛋白質配體，在分子細胞生物學中扮

3、演著一個重要的角色，如膜運輸、細胞活性、肌肉收縮、信號、復制和轉錄DNA、以及各種代謝過程。蛋白質與ATP的綁定作用發(fā)生位點與蛋白質的結構有著密切的關系。
　　隨著蛋白質測序技術的飛速發(fā)展，已經積累了大量的蛋白質序列數據未標定，傳統(tǒng)的生物學實驗方法往往遇到實驗密集、昂貴、耗時等問題。目前，從已知的蛋白質序列來預測蛋白質與配體的綁定關系是一項重要的工作。本文中，將蛋白質序列的ATP綁定位點與非綁定位點進行分類是個不平衡的二分類問題，

4、其中綁定位點是樣本數目稀少的正類樣本，非綁定位點是樣本數目眾多的負類樣本。根據機器學習關于可以將分類問題作為回歸問題的特例的觀點出發(fā)，并根據所研究問題本身的特點，我們提出了一種基于支持向量回歸分類器集成的蛋白質-ATP綁定位點預測方法。首先，使用滑動窗口抽取蛋白質序列中每個殘基的特征，得到一批不平衡的兩類樣本;其次，應用隨機下采樣策略，消除正負樣本存在的顯著不平衡;最后，我們設計了一個基于支持向量回歸集成的預測模型，并選取合適的閾值進行