基于多信息融合與多標(biāo)簽集成分類器預(yù)測蛋白質(zhì)亞核與ncRNA亞細(xì)胞定位.pdf

1、蛋白質(zhì)和非編碼RNA在細(xì)胞中的分布對于理解生物大分子相互作用和功能以及藥物研發(fā)等都具有重要作用，而通過實(shí)驗(yàn)來確定二者在細(xì)胞中的位置費(fèi)時(shí)費(fèi)力，急需有效的分類系統(tǒng)來進(jìn)行預(yù)測。本文從建立數(shù)據(jù)集、特征表達(dá)、特征篩選、分類算法、檢驗(yàn)方法、評價(jià)指標(biāo)、實(shí)例研究和結(jié)果分析等方面詳細(xì)討論了蛋白質(zhì)與非編碼RNA亞細(xì)胞定位的預(yù)測。
　　首先建立了真核生物蛋白質(zhì)的亞核定位數(shù)據(jù)集與古核生物蛋白質(zhì)的亞細(xì)胞定位數(shù)據(jù)集，并提取蛋白質(zhì)的四類特征信息:序列信息、進(jìn)化

2、信息、GO注釋和蛋白質(zhì)翻譯后修飾。其中序列信息指的是分段氨基酸組分和基于二項(xiàng)分布進(jìn)行了篩選的三肽組分;進(jìn)化信息即過濾后的序列譜是根據(jù)位置特異性打分矩陣，計(jì)算出蛋白質(zhì)序列的保守位點(diǎn)的序列譜;基因本體論則用一條序列的同源序列的GO注釋來表達(dá)該條序列，然后基于Shannon信息對GO進(jìn)行了篩選，最后轉(zhuǎn)化為邏輯向量;而翻譯后修飾則是考慮蛋白質(zhì)序列的磷酸化絲氨酸、磷酸化蘇氨酸、磷酸化絡(luò)氨酸、乙酰化和甲基化位點(diǎn)的數(shù)目。然后把四類特征分別輸入由KNN

3、和SVM構(gòu)成的二分類器系統(tǒng)，采用投票法來決定蛋白質(zhì)在細(xì)胞中的一個(gè)或多個(gè)位置，最后用留一法進(jìn)行檢驗(yàn)，取得了較好的預(yù)測結(jié)果。
　　對于非編碼RNA，本文則是第一次從理論上對其亞細(xì)胞定位進(jìn)行研究，首先構(gòu)建了一個(gè)ncRNA亞細(xì)胞定位數(shù)據(jù)集，然后綜合三種k-mer組分信息，利用SVM和KNN構(gòu)成的集成分類器對ncRNA的亞細(xì)胞定位進(jìn)行預(yù)測，得到了86.75％的預(yù)測成功率。
　　文章最后總結(jié)了以上三個(gè)工作，并對蛋白質(zhì)和非編碼RNA亞細(xì)胞