基于貝葉斯方法的蛋白質(zhì)相互作用預(yù)測(cè)研究.pdf

1、隨著人類基因組計(jì)劃的完成,生命科學(xué)研究進(jìn)入后基因組時(shí)代,研究基因所表達(dá)的蛋白質(zhì)成為研究的熱點(diǎn)。蛋白質(zhì)的功能往往體現(xiàn)在與其它蛋白質(zhì)或其它的生物大分子之間的相互作用之中。近年來(lái),以蛋白質(zhì)間相互作用研究為重要內(nèi)容的蛋白質(zhì)組學(xué)研究逐漸形成。構(gòu)建模式細(xì)胞系統(tǒng)中全部蛋白質(zhì)相互作用網(wǎng)絡(luò),即蛋白質(zhì)相互作用組(interactome),對(duì)于蛋白質(zhì)的功能預(yù)測(cè)及新藥研發(fā)等提供理論依據(jù),從而揭示一切生命活動(dòng)的規(guī)律。
　　貝葉斯方法建立在貝葉斯統(tǒng)計(jì)學(xué)和貝葉

2、斯決策理論基礎(chǔ)上,能夠有效的處理不完全(或部分?jǐn)?shù)據(jù)丟失的)數(shù)據(jù)集,是一種將(專家)先驗(yàn)知識(shí)和數(shù)據(jù)進(jìn)行綜合的理想表達(dá)模式。目前,貝葉斯方法已經(jīng)廣泛應(yīng)用于醫(yī)療診斷、生物信息學(xué)、金融分析等各個(gè)方面。本文以蛋白質(zhì)相互作用組學(xué)的內(nèi)容為研究對(duì)象,將貝葉斯方法應(yīng)用到蛋白質(zhì)相互作用位點(diǎn)預(yù)測(cè)和相互作用對(duì)象預(yù)測(cè)中去,主要研究?jī)?nèi)容如下:
　　1、提出了一種新的進(jìn)行蛋白質(zhì)表面模擬的算法。研究表明,蛋白質(zhì)間的相互作用通常發(fā)生在兩個(gè)相互作用的蛋白質(zhì)表面間。對(duì)

3、蛋白質(zhì)表面的模擬不僅是蛋白質(zhì)相互作用研究的基礎(chǔ),更可以有效的指導(dǎo)蛋白質(zhì)對(duì)接的研究。我們以蛋白質(zhì)三維結(jié)構(gòu)的分子表面為研究對(duì)象,根據(jù)蛋白質(zhì)的三維幾何特征設(shè)計(jì)了一種提取蛋白質(zhì)表面原子的幾何算法PSAGA(Protein Surface Atom Geometrical Algorithm)。在提取出的表面原子基礎(chǔ)上,引用球函數(shù)具有的旋轉(zhuǎn)不變性的特點(diǎn),進(jìn)行蛋白質(zhì)表面形狀的模擬,模擬出的蛋白質(zhì)表面可以有效克服蛋白質(zhì)在空間變換過(guò)程中需要不停進(jìn)行重新

4、計(jì)算表面問(wèn)題,從而有效地提高了計(jì)算效率。實(shí)驗(yàn)結(jié)果驗(yàn)證了所用方法的準(zhǔn)確性。
　　2、從蛋白質(zhì)相互作用的生化特征出發(fā),基于樸素貝葉斯分類器屬性條件獨(dú)立性的要求,提出了一種新的蛋白質(zhì)相互作用位點(diǎn)預(yù)測(cè)算法模型。我們選取蛋白質(zhì)的20維序列譜這個(gè)序列信息和溶劑可及表面積這個(gè)結(jié)構(gòu)信息,構(gòu)成相對(duì)獨(dú)立的21維條件獨(dú)立屬性作為樸素貝葉斯分類器的輸入信息,在一個(gè)由90條蛋白質(zhì)鏈構(gòu)成的典型的異源蛋白質(zhì)復(fù)合物數(shù)據(jù)集上采用留一法進(jìn)行訓(xùn)練測(cè)試。與其它方法相比,

5、由于我們采用先驗(yàn)概率分布的形式將不等量的正負(fù)樣本信息融合到預(yù)測(cè)模型中,從而充分克服了其它方法為平衡數(shù)據(jù)集而導(dǎo)致的信息丟失,同時(shí)也充分的利用了樸素貝葉斯分類器結(jié)構(gòu)簡(jiǎn)單計(jì)算復(fù)雜度低的特點(diǎn)。實(shí)驗(yàn)結(jié)果與其它方法相比取得了更高的性能,3維結(jié)構(gòu)可視化的結(jié)果更進(jìn)一步的證實(shí)了我們方法的有效性。
　　3、基于序列鄰近信息對(duì)蛋白質(zhì)相互作用位點(diǎn)預(yù)測(cè)的影響這一實(shí)驗(yàn)結(jié)果,提出了一種新的作用位點(diǎn)預(yù)測(cè)的貝葉斯算法模型。已有的研究表明,蛋白質(zhì)序列中殘基通常都是聚

6、集成團(tuán)形成作用位點(diǎn),因此,僅考慮目標(biāo)殘基的生化特征并不能有效的反映作用位點(diǎn)的特性。而要考慮鄰近殘基的影響,必然要破壞樸素貝葉斯分類器的結(jié)構(gòu)。為此,我們基于TAN分類器設(shè)計(jì)了一個(gè)新的作用位點(diǎn)預(yù)測(cè)算法模型ATAN算法模型:該模型通過(guò)固定的圖結(jié)構(gòu)來(lái)反映序列鄰近信息,而結(jié)點(diǎn)間的參數(shù)概率表則通過(guò)訓(xùn)練數(shù)據(jù)學(xué)習(xí)得到。該方法既考慮了鄰近信息對(duì)結(jié)果的影響,又沒(méi)有改變算法的時(shí)間復(fù)雜度。在一個(gè)由81條蛋白質(zhì)鏈組成的異源蛋白質(zhì)復(fù)合物數(shù)據(jù)集上,我們采用10-fo

7、ld方法進(jìn)行訓(xùn)練測(cè)試,實(shí)驗(yàn)結(jié)果表明,該方法相比于其它方法取得了更好的實(shí)驗(yàn)結(jié)果,3維結(jié)構(gòu)可視化的結(jié)果也證實(shí)了方法的有效性。
　　4、提出了一種新的僅基于蛋白質(zhì)序列信息的低維特征向量構(gòu)成,并基于此構(gòu)建了一個(gè)自動(dòng)實(shí)現(xiàn)蛋白質(zhì)相互作用對(duì)象預(yù)測(cè)的貝葉斯算法模型。作用對(duì)象預(yù)測(cè)是構(gòu)建蛋白質(zhì)相互作用網(wǎng)絡(luò)的基礎(chǔ),我們基于pseudo-氨基酸組成,設(shè)計(jì)了一個(gè)新的僅基于蛋白質(zhì)序列信息的低維特征向量,該向量既可以有效的反映蛋白質(zhì)的序列生化信息,又具有低維的