蛋白质残基间的相互作用分析与预测

摘要

近年来，由于生物信息学的迅猛发展，大量的生物学数据亟待矫正、管理、解释以及充分的利用，而机器学习正适合这类数据量大、含有噪声的模式。许多机器学习算法也已经被成功地用来进行生物数据的处理并挖掘未知的生物学知识。本文主要针对支持向量机这个机器学习工具来进行蛋白质结构的分析，着重运用支持向量机和遗传算法(GA)来进行蛋白质残基温度因子的预测，并由此进行残基间的远程相互作用的分析和预测。全文的主要工作包括如下： 1、提出了利用多类支持向量机进行蛋白质残基温度因子的分析和预测的方法。一般来说，残基的B-factor代表它的一种热不稳定状态或自由活动的程度，较高的残基B-factor对应着较大的外露表面面积。因此预测残基的B-factor会有助于理解和预测蛋白质的结构。本文主要介绍了所采取的氨基酸的物理化学特征，例如：蛋白质的序列谱、残基的进化速率、残基的疏水值，作为多类支持向量机的输入来进行蛋白质残基B-factor的分析和预测。 2、提出了一种基于预测的残基B-factor以及疏水谱特征的支持向量机方法，来进行残基间的接触聚类中心分析和预测。在蛋白质的接触图谱中，残基间的远程相互作用点往往聚集在一起形成一个个的聚类。分析发现，这些聚类大部分都对应着较低的残基B-factor区域或较强的疏水区域，基于此特点而进行的有选择性的样本抽取就可以降低正负样本数据的不平衡性，从而得到较高的预测性能。最后，我们利用支持向量机来预测残基间的接触聚类中心，并由此得到残基间的相互作用位点。 3、构建了一种基于蛋白质序列谱中心的遗传算法，来分析残基间的序列谱中心，并以此预测残基间的远程相互作用位点。首先我们运用一种基于遗传算法的多分类器(Genetic algorithm based Multi-Classification，GaMC)系统分析发现，大部分的残基间远程作用位点位于序列谱中心的周围，采用此分类器就可以把接触和不接触残基对给分离开来，从而能够预测到某残基对是否具有远程相互作用。

目录

文摘

英文文摘

论文说明：图表目录

声明

第一章绪论

1.1生物信息学的发展及相关概念

1.1.1生物信息学概述

1.1.2国内生物信息学发展

1.2蛋白质结构预测简介

1.2.1蛋白质结构预测概述

1.2.2蛋白质结构分类

1.2.3蛋白质结构预测方法介绍

1.3机器学习算法在生物信息学中的运用

1.3.1人工神经网络(ANN)技术在生物信息学中的应用

1.3.2遗传算法在生物信息学中的应用

1.3.3支持向量机在生物信息学中的应用

1.4本文的研究内容与创新点

第二章蛋白质的接触图谱及SVM方法简介

2.1蛋白质的接触图谱(Contact Map，CM)简介

2.1.1短程、中程以及远程相互作用的定义58

2.1.2蛋白质接触图谱的定义

2.2支持向量机(Support Vector Machine，SVM)概述

第三章基于SVM的蛋白质残基温度因子的预测

3.1蛋白质温度因子介绍

3.2数据集及一些测度的定义

3.2.1蛋白质的训练和测试序列

3.2.2预测器性能的评价指标

3.3基于Bounded SVM的蛋白质残基温度因子的预测方法

3.4实验结果及讨论

3.5本章小结

第四章基于支持向量机的残基间接触聚类中心的分析和预测

4.1蛋白质残基温度因子的分析

4.2基于氨基酸残基进化保守性的蛋白质特征提取及相关定义

4.2.1蛋白质序列谱

4.2.2序列信息熵

4.2.3残基进化速率

4.2.4数据的归范化

4.2.5接触图谱定义

4.2.6预测器性能的评价指标

4.3实验结果

4.3.1 SVM1预测器

4.3.2 SVM2预测器

4.3.3输出融合后的性能计算

4.3.4讨论

4.4本章小结及展望

第五章残基对的序列谱中心分析及残基间的远程相互作用的预测

5.1引言

5.2基于序列谱中心分析的蛋白质特征提取

5.2.1蛋白质的序列谱

5.2.2蛋白质的Multi-Class Contact定义

5.2.3序列谱中心分析

5.3基于遗传算法和柱状图编码的分类器(GaMC)

5.3.1染色体编码

5.3.2适应度函数的定义

5.3.3 GA参数的选择

5.4实验结果

5.4.1预测器的分类定义

5.4.2数据分析

5.4.3一般距离分类器的精确度分析

5.4.4 GA分类器的精确度分析

5.4.5蛋白质的远程残基接触对数量与预测器预测性能的关系分析

5.4.6测试集蛋白链的预测性能

5.4.7序列谱中心的分析

5.5本章小结

总结和展望

一、本文的主要研究工作与创新点

二、进一步的工作展望

参考文献

致谢

附录