基于序列的蛋白質-核苷酸綁定位點預測研究.pdf

1、近年的研究表明，蛋白質與核苷酸之間的相互作用與人類的各種疾病有著密切的關聯(lián)，而蛋白質與核苷酸結合的綁定位點往往會成為藥物設計的重要支撐點。從這點上來說，蛋白質-核苷酸綁定位點預測的意義重大。然而，單純依賴生物學實驗來獲取蛋白質-核苷酸綁定位點情況的成本大，而且耗時長。因此，使用模式識別的方法來進行預測越來越重要。同時蛋白質-核苷酸綁定位點預測是一個典型的不平衡學習問題，因為整個序列中少數(shù)類（綁定殘基）遠少于多數(shù)類（非綁定殘基）?？梢酝ㄟ^

2、采樣方法來解決這個問題。
　　本文就蛋白質-核苷酸綁定位點預測技術進行了深入研究，主要工作如下:
　　(1)研究了蛋白質的特征提取。利用位置特異性迭代搜索算法(PSI-BLAST)得到初始的位置特異性得分矩陣（PSSM），并用sigmoid函數(shù)對PSSM進行歸一化。利用滑動窗口技術來提取蛋白質序列中殘基的鄰域特征作為該殘基的特征，而得到的殘基的鄰域特征正好可以被看作是一幅圖像，進而可以利用數(shù)字圖像處理中的稀疏表示方法提取更為

3、優(yōu)質的PSSM特征。
　　(2)研究了加權下采樣和基于聚類的下采樣兩種采樣方法。這兩種采樣方法都可以解決不平衡學習問題。加權下采樣利用K近鄰來計算訓練樣本的一個得分矩陣，并根據(jù)得分矩陣計算樣本的權值，然后依據(jù)樣本的權值來選擇和正類樣本一樣多的負類樣本，并將選擇的負類樣本與所有正類樣本一起組成新的訓練樣本?；诰垲惖南虏蓸觿t先用C-均值算法對訓練樣本中所有的負類樣本進行聚類，其中的C等于訓練樣本中負類樣本個數(shù)與正類樣本個數(shù)的比值，然

4、后在每個聚類中隨機選擇一定比例的樣本，并將選擇的負類樣本與所有正類樣本一起組成新的訓練樣本。
　　(3)研究了WUS-SVM和CUS-SVM兩種預測模型。WUS-SVM預測模型是結合加權下采樣和支持向量機形成的，而CUS-SVM預測模型則是結合基于聚類的下采樣和支持向量機形成的。在NsitePred和BioLip兩個標準數(shù)據(jù)集上分別做五重交叉驗證實驗和獨立測試實驗來檢驗兩種預測模型的性能。實驗結果表明，兩種預測模型各自采用不同的下