基于主成分分析和神經網絡的蛋白質糖基化位點的預測.pdf

1、隨著計算機科學和生物科學的不斷發(fā)展,生物信息學這門學科已成為當下生命科學和自然科學的重大前沿領域之一,同時也是21世紀自然科學的核心領域之一,其研究重點主要體現在基因組學和蛋白組學兩個方面。糖基化是蛋白質翻譯后重要修飾過程之一,更是蛋白組學研究的重要內容。鑒于已知的糖蛋白結構十分有限,而新的糖蛋白結構層出不窮,借助計算智能技術對糖基化位點進行預測和分析在蛋白質組學中具有十分重要的意義。
　　 主成分分析(PCA)是一種數據特征提

2、取技術,它能將數據從高維降到低維,降維后保存了數據的主要信息,從而使數據更容易處理,且提高了分析效率。傳統(tǒng)的神經網絡方法已被應用預測蛋白質糖基化位點,其預測的準確性主要依賴于特征向量的維數(蛋白質序列的長度),并隨著蛋白質序列長度的增加而提高,但神經網絡的結構變得越來越復雜,增加了計算運行成本。為了解決這一問題,本研究提出了一個主成分分析和BP神經網絡相結合的新方法對O-連接糖基化位點進行預測和分析。首先用PCA提取主成分以降低輸入特征

3、向量的維數,然后用神經網絡預測一個特定的蛋白質序列是否被糖基化。
　　 本研究主要圍繞以下幾個方面進行開展:
　　 (1)首先從闡述蛋白質糖基化的知識入手,著重介紹了稀疏編碼,并將其作為本研究中蛋白質序列的編碼方式。
　　 (2)采用主成分分析技術完成數據的預處理,在充分利用原始信息的基礎上,將樣本數據從高維降到低維,從而使神經網絡在下一步的預測中更具效率。
　　 (3)提出一種基于PCA和BP神經網絡的