基于序列順序信息的DNA結(jié)合蛋白識(shí)別與遠(yuǎn)程同源性檢測(cè).pdf

1、隨著生物測(cè)序技術(shù)的研究不斷深入，蛋白質(zhì)序列數(shù)據(jù)呈爆炸性的增長(zhǎng)，然而與之相比，蛋白質(zhì)功能和結(jié)構(gòu)數(shù)據(jù)增長(zhǎng)緩慢。因此有必要利用蛋白質(zhì)的一級(jí)結(jié)構(gòu)預(yù)測(cè)蛋白質(zhì)的功能和結(jié)構(gòu)。本文對(duì)蛋白質(zhì)功能和結(jié)構(gòu)預(yù)測(cè)領(lǐng)域中的兩個(gè)重要問(wèn)題進(jìn)行了深入的研究，包括DNA結(jié)合蛋白識(shí)別和蛋白質(zhì)遠(yuǎn)程同源性檢測(cè)。本文研究的切入點(diǎn)為探索提取和利用蛋白質(zhì)序列信息，并將這些信息用于構(gòu)建預(yù)測(cè)模型。本文通過(guò)結(jié)合機(jī)器學(xué)習(xí)方法、自然語(yǔ)言處理技術(shù)和蛋白質(zhì)序列特征提取策略對(duì)上述兩個(gè)問(wèn)題進(jìn)行了深入的

2、研究，具體研究?jī)?nèi)容如下：
　　第一，DNA結(jié)合蛋白識(shí)別是蛋白質(zhì)功能預(yù)測(cè)領(lǐng)域中的一個(gè)重要問(wèn)題。針對(duì)這個(gè)問(wèn)題，本文提出兩種預(yù)測(cè)方法PseDNA-Pro和iDNA-Prot|dis。本文首次把偽氨基酸組成（Pseudo Amino Acid Composition，PseAAC）應(yīng)用到這個(gè)領(lǐng)域，并針對(duì)偽氨基酸組成的不足，提出改進(jìn)的方案，進(jìn)而提出了一種新的預(yù)測(cè)方法PseDNA-Pro。此外，該方法使用了另外兩種蛋白質(zhì)序列特征：全局氨基酸組

3、成和氨基酸物理化學(xué)距離轉(zhuǎn)換。通過(guò)采用這三種特征提取方法，將蛋白質(zhì)轉(zhuǎn)化為特征向量，之后采用支持向量機(jī)（Support Vector Machine，SVM）構(gòu)建分類(lèi)器識(shí)別DNA結(jié)合蛋白。在兩個(gè)數(shù)據(jù)集上的結(jié)果顯示，PseDNA-Pro預(yù)測(cè)準(zhǔn)確率分別為80.05％和83.33%，優(yōu)于其他對(duì)比實(shí)驗(yàn)方法。雖然PseDNA-Pro方法取得了一定的成功，然而由于偽氨基酸組成忽略了不同氨基酸對(duì)的特性，導(dǎo)致該方法對(duì)蛋白質(zhì)序列信息表達(dá)不足。針對(duì)這個(gè)問(wèn)題，本

4、文提出一種基于氨基酸距離對(duì)的預(yù)測(cè)方法iDNA-Prot|dis。為了進(jìn)一步提高其預(yù)測(cè)精度與運(yùn)行效率，本文采用縮減字母表策略將具有相似性質(zhì)的氨基酸合并為一類(lèi)，進(jìn)而顯著降低了特征空間的維數(shù)。實(shí)驗(yàn)結(jié)果顯示，iDNA-Prot|dis在預(yù)測(cè)精度與計(jì)算代價(jià)方面都優(yōu)于其他對(duì)比實(shí)驗(yàn)方法。此外，通過(guò)分析 SVM訓(xùn)練模型中不同特征的權(quán)重，表明本文提出的方法可以有效提取蛋白質(zhì)序列特征。
　　第二，蛋白質(zhì)遠(yuǎn)程同源性檢測(cè)是蛋白質(zhì)結(jié)構(gòu)和功能研究的基礎(chǔ)。本文

5、提出了兩種可以有效包含蛋白質(zhì)序列順序信息的蛋白質(zhì)遠(yuǎn)程同源性檢測(cè)方法：SVM-DR(DT)和disPseAAC。iDNA-Prot|dis方法表明氨基酸距離對(duì)可以有效包含序列的位置信息，本文嘗試將該策略用于蛋白質(zhì)遠(yuǎn)程同源性檢測(cè)中，并提出了SVM-DR(DT)方法。該方法通過(guò)距離對(duì)將蛋白質(zhì)轉(zhuǎn)化為固定長(zhǎng)度的向量。然后結(jié)合SVM用于預(yù)測(cè)蛋白質(zhì)，采用包含進(jìn)化信息的蛋白質(zhì)組份Top-n-gram替換氨基酸使該方法的預(yù)測(cè)效果得到進(jìn)一步的提高，實(shí)驗(yàn)結(jié)果

6、表明該方法的ROC指標(biāo)為0.948和0.919，優(yōu)于其他對(duì)比實(shí)驗(yàn)方法。通過(guò)分析SVM訓(xùn)練模型，本文發(fā)現(xiàn)距離對(duì)的權(quán)重與其長(zhǎng)度呈反比，因此說(shuō)明距離較近的氨基酸對(duì)對(duì)于蛋白質(zhì)遠(yuǎn)程同源性檢測(cè)更加重要，這與蛋白質(zhì)家族的二級(jí)結(jié)構(gòu)特征相吻合。偽氨基酸組成利用了氨基酸理化屬性，距離對(duì)則包含了遠(yuǎn)距離氨基酸對(duì)的位置信息。為了結(jié)合兩者的優(yōu)點(diǎn)，本文提出一種改進(jìn)的偽氨基酸組成：距離對(duì)偽氨基酸組成（distance-pair Pseudo Amino Acid Co