基于改進(jìn)概率增量學(xué)習(xí)的蛋白質(zhì)翻譯后磷酸化修飾網(wǎng)絡(luò)的研究.pdf

1、近年來，隨著后基因組計劃的飛速發(fā)展，蛋白質(zhì)組學(xué)在生物信息學(xué)研究領(lǐng)域中占據(jù)的地位已不容小覷。其中，對蛋白質(zhì)結(jié)構(gòu)及功能起到調(diào)控作用的蛋白質(zhì)翻譯后修飾，更是成為該領(lǐng)域中的研究熱點。
　　由于蛋白質(zhì)活性調(diào)節(jié)、蛋白質(zhì)相互作用、亞細(xì)胞水平定位等的需要，諸如泛素化、磷酸化、甲基化等蛋白質(zhì)翻譯后修飾成為不可或缺的重要因素。作為蛋白質(zhì)功能調(diào)節(jié)和結(jié)構(gòu)擴(kuò)展的一種重要方式，蛋白質(zhì)翻譯后修飾在生命過程中有著至關(guān)重要的作用。一旦在修飾過程中出現(xiàn)異常，很容易引

2、起機體不同程度的病變。以心血管疾病為例，在發(fā)病初期的血管內(nèi)皮損傷過程中，相關(guān)蛋白質(zhì)不同位點的磷酸化、泛素化等修飾是造成心血管疾病發(fā)生的直接原因。其中，作為人體內(nèi)最常見的一種修飾，也是研究最為廣泛的一種修飾，磷酸化修飾幾乎存在于生命活動的各個過程。
　　本文的實驗數(shù)據(jù)是利用MALDI-TOF-TOF、LTQ Orbitrap和LCMS-IT-TOF高分辨率質(zhì)譜儀，針對動脈粥樣硬化主要致病基因ox-LDL對血管內(nèi)皮細(xì)胞的作用，測定蛋白

3、質(zhì)每一個位點磷酸化的修飾情況，結(jié)合nano-2D-HPLC與高分辨率質(zhì)譜儀聯(lián)用技術(shù)，采集對照組及過氧化損傷實驗組不同時間點的時間序列數(shù)據(jù)，得到參與蛋白質(zhì)翻譯后磷酸化修飾的各蛋白質(zhì)位點的磷酸化濃度變化情況。結(jié)合KEGG等信號通路數(shù)據(jù)庫，篩選MAPK信號通路中的DAG-＞PKC-＞Ras和Endocrinology/Hormones信號通路中的Ras-＞ MEK-＞Src-＞AR兩條參與磷酸化修飾的通路進(jìn)行網(wǎng)絡(luò)的構(gòu)建。
　　本文的實驗

4、方法是在基于種群的增量學(xué)習(xí)算法（PBIL算法）的基礎(chǔ)上，引入粒子群優(yōu)化算法（PSO算法），以一種新的基于改進(jìn)的概率增量學(xué)習(xí)算法，對蛋白質(zhì)翻譯后磷酸化修飾進(jìn)行研究。根據(jù)蛋白質(zhì)翻譯后磷酸化修飾的動態(tài)特性，首先采用PBIL與PSO算法結(jié)合的改進(jìn)的概率增量學(xué)習(xí)算法構(gòu)建網(wǎng)絡(luò)模型，再利用PSO算法對生成的模型整體進(jìn)行更深層次的優(yōu)化，使構(gòu)建的網(wǎng)絡(luò)模型更加準(zhǔn)確。
　　由于蛋白質(zhì)翻譯后磷酸化修飾網(wǎng)絡(luò)的動態(tài)性和復(fù)雜性，本文選取的網(wǎng)絡(luò)模型為微分方程模型

5、，提出了蛋白質(zhì)翻譯后磷酸化修飾過程的一般的動力學(xué)描述，并利用反向工程原理，得到動力學(xué)方程，定量地描述不同蛋白質(zhì)位點間翻譯后磷酸化修飾的作用關(guān)系。
　　本文使用改進(jìn)的概率增量學(xué)習(xí)算法構(gòu)建蛋白質(zhì)翻譯后磷酸化修飾網(wǎng)絡(luò)得到了良好的結(jié)果，為構(gòu)建蛋白質(zhì)翻譯后磷酸化修飾網(wǎng)絡(luò)提供了新的解決方法，也將對進(jìn)一步揭示蛋白質(zhì)翻譯后修飾之間的復(fù)雜調(diào)控規(guī)律、心血管疾病發(fā)病機制領(lǐng)域有關(guān)蛋白質(zhì)翻譯后修飾交互調(diào)控研究，以及為心血管疾病治療過程中藥物的起效機制與作用