信息論方法預(yù)測(cè)信號(hào)肽.pdf

1、本論文的主要目的在于介紹蛋白質(zhì)信號(hào)肽的特征和性質(zhì)，并在此基礎(chǔ)上利用數(shù)學(xué)方法對(duì)信號(hào)肽和信號(hào)肽的剪切位點(diǎn)進(jìn)行討論和預(yù)測(cè)。文章中介紹了國(guó)際上公認(rèn)為比較便捷而且準(zhǔn)確率比較高的幾種方法，并在此基礎(chǔ)上提出信息論方法在蛋白質(zhì)信號(hào)肽方面的應(yīng)用。 本論文使用的數(shù)據(jù)庫(kù)是瑞典CBS(CenterforBiologicalSequenceAnalysis)的Nielsen等根據(jù)SWISS-PORTversion29構(gòu)建的二次數(shù)據(jù)庫(kù)，所有的數(shù)據(jù)庫(kù)都進(jìn)行

2、了同源性消減：此數(shù)據(jù)庫(kù)中將包含1383個(gè)非同源信號(hào)肽序列和519個(gè)成熟蛋白序列。在此基礎(chǔ)上，對(duì)N端信號(hào)肽進(jìn)行了統(tǒng)計(jì)學(xué)分析，以充分說(shuō)明真核生物以及原核生物(包括革蘭氏陽(yáng)性菌和革蘭氏陰性菌)的信號(hào)肽特征，并驗(yàn)證(-1，-3)原則的準(zhǔn)確性和普適性。 在利用信息論方法討論蛋白質(zhì)信號(hào)肽的性質(zhì)和特征的時(shí)候，首先利用自信息量概念，對(duì)數(shù)據(jù)庫(kù)中的信號(hào)肽和成熟蛋白質(zhì)進(jìn)行處理，計(jì)算得出兩者的自信息量值進(jìn)行比較，發(fā)現(xiàn)成熟蛋白平均的信息量隨窗口變化波動(dòng)

3、不大，而且整體高于信號(hào)肽的信息量；信號(hào)肽的平均信息量整體較低，且隨窗口的變化有劇烈地波動(dòng)，這也暗示著我們可以利用這種思路對(duì)信號(hào)肽的剪切位點(diǎn)進(jìn)行預(yù)測(cè)。然后，利用信息熵的概念，將信號(hào)肽的每一個(gè)位置看作一個(gè)單獨(dú)的信源，計(jì)算出各個(gè)位置的熵值，發(fā)現(xiàn)對(duì)真核生物來(lái)說(shuō)，其信息熵在-1和-3位只有兩個(gè)明顯的谷，表明相對(duì)與鄰近位置，-1及-3更具特征，而-12～-8位置又對(duì)應(yīng)一個(gè)極值區(qū)，這說(shuō)明h區(qū)相對(duì)于c區(qū)和n區(qū)更具特征。對(duì)于革蘭式陰性菌及革蘭式陽(yáng)性菌來(lái)說(shuō)

4、，它們?cè)?1位置與-3位置的特征性更強(qiáng)，這說(shuō)明，在此數(shù)據(jù)庫(kù)下，原核生物比真核生物更符合(-3，-1)規(guī)則。而在h區(qū)則沒有明顯的谷，也說(shuō)明原核生物信號(hào)肽h區(qū)特征較小。最后，引入簡(jiǎn)單信息矩陣的概念，并用來(lái)預(yù)測(cè)和檢驗(yàn)蛋白質(zhì)信號(hào)肽剪切位點(diǎn)。對(duì)于它檢驗(yàn)，真核生物、革蘭氏陽(yáng)性菌和革蘭氏陰性菌的預(yù)測(cè)準(zhǔn)確性分別達(dá)到60.1％，69.2％，81.2％。簡(jiǎn)單信息矩陣對(duì)原核生物的預(yù)測(cè)能力要好于權(quán)重矩陣方法，但對(duì)真核生物的預(yù)測(cè)能力卻略遜于權(quán)重矩陣方法。