基于深度学习的蛋白质相互作用预测方法的研究

摘要

到目前为止，人类对真核基因表达的理解仍然还存在很大的局限性，尽管许多蛋白质的变异在统计学上表明与人类疾病有关，但几乎所有的这些变异其具体机制尚不清楚。在蛋白质的生命活动中，其主要表现为从细胞信号传导到细胞代谢，从生物体内的遗传物质的复制到其基因表达的调节，从细胞生长和繁殖到有机体的死亡，其中蛋白质都扮演着不过或缺的作用。虽然有不少蛋白质在生物体内主要以单体的形式行使其功能，但其中很大一部分与其他配体分子结合或作为生物复合物参与细胞的生命活动。生物过程中的许多关键功能和过程主要是由不同类型的蛋白质-蛋白质相互作用(PPIs)所维系的，其中许多人类疾病的产生都与其调控失调有关。因此，PPIs的预测对于理解生物过程和各种用于识别新PPIs的实验方法是至关重要的。
　　尽管前人对蛋白质相互作用探索的方法在不停的进步，但他们有一个共同的缺点，模型的建立是通过强大的领域知识从观测数据中提取特征数据而得到的，其中领域知识的偏差和可能存在的噪音会使后续的分类器学习到错误的知识。深度学习是最近比较流行的一种方法，它通过把观测数据映射到一个高层次的抽象空间，在这个空间中构建预测模型，以混合多层抽象的方式工作。这种新型的方法为集成异构数据提供了许多有吸引力的解决方案，并有效地从多个简单的原始输入中自动学习复杂的模式。
　　针对蛋白质相互作用预测所存在的一些不足，本文提出了一种名为DeepPPI的方法，它使用深度神经网络来有效地从常见蛋白质描述符（如氨基酸组成、二肽组成、C-T-D特征、QSOD描述符、APAAC组成等）中学习蛋白质的表征，从而能够更好的分辨两个蛋白质之间的相互作用。这种网络架构可以自动从蛋白质的序列特征中提取抽象特征，并能够学习到其内部存在的隐含规律，并且这种架构融合蛋白质的原始输入特征能够更好的学习到高层次特征。实验结果表明，DeepPPI在测试数据集上达到了优异的性能，其中，准确率(Accuracy)指标达到92.50％，精确率(Precision)指标获得了94.38％，召回率(Recall)指标则达到90.56％，特异性(Specificity)达到94.49％，马修斯相关系数(Matthews Correlation Coefficient)取得了85.08％，ROC曲线下面积(Area Under the Curve)达到了97.43％。大量的实验表明，DeepPPI可以通过分层提取来学习蛋白质对的有用特性，与现有方法相比本文的方法具有更大的优势。

目录

声明

摘要

符号说明

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 本文主要工作

1．4 论文安排

第二章 相关工作的基础知识

2．1 蛋白质相关知识概述

2．1．1 蛋白质概述

2．1．2 蛋白质相互作用概述

2．2 本文相关算法简介

2．2．1 深度神经网络简介

2．2．2 支持向量机简介

2．2．3 AdaBoost简介

2．2．4 随机森林简介

2．3 蛋白质相关数据库

2．3．1 DIPs数据库

2．3．2 UniProt数据库

2．3．3 PDB数据库

2．3．4 HPRD数据库

2．4 本章小结

第三章 蛋白质相互作用预测模型的实现

3．1 引言

3．2 数据集的构造

3．3 深度神经网络

3．4 预测框架的设计

3．5 特征提取

3．5．1 氨基酸组成

3．5．2 二肽组成

3．5．3 组成／转换／分布特征描述符

3．5．4 准序列描述符

3．5．5 两亲性伪氨基酸组成

3．6 评估准则

3．7 本章小结

第四章 实验结果与分析

4．1 在酿酒酵母数据集中DeepPPI不同网络结构的比较

4．2 与现有方法的比较

4．2．1 在酿酒酵母核心数据集上的性能比较

4．2．2 在幽门螺杆菌数据集上的性能比较

4．2．3 在智人数据集上的性能比较

4．2．4 在交叉物种PPIs数据集上的性能比较

4．3 与知识型PPIs方法的比较

4．3．1 在Gold和Silver数据集上的表现

4．3．2 在总的Gold和Silver数据集上的表现

4．4 超参数优化

4．5 高级特征可视化

4．6 讨论与结论

4．7 本章小结

第五章 总结与展望

参考文献

附录

致谢

攻读学位期间发表的学术论文