基于支持向量機(jī)的蛋白質(zhì)分類研究.pdf

1、隨著人類基因組計(jì)劃的順利進(jìn)展，越來越多的蛋白質(zhì)序列被測定出來；而通過實(shí)驗(yàn)確定其結(jié)構(gòu)與功能的蛋白質(zhì)序列則相對較少，且兩者之間的差距有迅速擴(kuò)大的趨勢。由于通過實(shí)驗(yàn)確定蛋白質(zhì)的結(jié)構(gòu)和功能費(fèi)時(shí)、費(fèi)力、費(fèi)財(cái)，且實(shí)驗(yàn)中可能還會(huì)遇到一些目前無法解決的困難，因此探索利用理論及計(jì)算方法來研究蛋白質(zhì)結(jié)構(gòu)和功能具有重要意義。本文從蛋白質(zhì)的一級序列出發(fā)，研究了蛋白質(zhì)的結(jié)構(gòu)、功能分類預(yù)測，其主要貢獻(xiàn)如下： 1.提出一種新的組合分類思想，即將氨基酸組成成分

2、、自相關(guān)函數(shù)二種特征提取法與支持向量機(jī)恰當(dāng)組合，首次對蛋白質(zhì)同源二聚體和非同源二聚體進(jìn)行分類研究，并與國際上現(xiàn)有的Garian方法進(jìn)行了對比。在10CV檢驗(yàn)下，本文方法的分類總精度比Garian方法最大可提高17.1個(gè)百分點(diǎn)。 2.提出二種新的特征提取法，并引入以前已有的二種特征提取法，與支持向量機(jī)和不同的分類策略，進(jìn)行恰當(dāng)?shù)慕M合構(gòu)成分類系統(tǒng)，首次對蛋白質(zhì)同源二聚體、同源三聚體、同源四聚體和同源六聚體進(jìn)行分類研究。結(jié)果表明整合了

3、氨基酸殘基序列順序信息的三種特征提取法，其分類能力均好于氨基酸組成成分特征提取法，尤以我們提出的加權(quán)自相關(guān)函數(shù)特征提取法的分類效果最好，其分類總精度可比氨基酸組成成分特征提取法最大可提高6.39個(gè)百分點(diǎn)，比Chou的特征提取法提高2.41個(gè)百分點(diǎn)；采用“一對一”策略的分類能力明顯優(yōu)于“一對多”策略，其分類總精度最大可提高17.69個(gè)百分點(diǎn)。 3.一種新的組合分類方法，即將自相關(guān)函數(shù)特征提取法和支持向量機(jī)、以及本文提出的“改進(jìn)的唯

4、一的一對多”分類策略恰當(dāng)組合，應(yīng)用于蛋白質(zhì)折疊子分類研究。結(jié)果顯示：對于獨(dú)立測試樣本，自相關(guān)函數(shù)特征提取法的分類總精度比氨基酸組成成分特征提取法，大約可提高7個(gè)百分點(diǎn)；“改進(jìn)的唯一的一對多”分類策略優(yōu)于“一對多”策略，其獨(dú)立測試和5CV檢驗(yàn)的分類總精度，比“一對多”策略最大可分別提高約18和12個(gè)百分點(diǎn)。 4.引入加權(quán)思想，以一種新的特征提取法—加權(quán)自相關(guān)函數(shù)，表示蛋白質(zhì)序列，并采用“一對多”、“一對一”分類策略對膜蛋白和亞細(xì)胞

5、定位進(jìn)行了分類和預(yù)測研究，結(jié)果有明顯改善： 1).對于膜蛋白分類，在采用支持向量機(jī)算法及“一對多”分類策略下，加權(quán)自相關(guān)函數(shù)特征提取法的分類總精度為87.98％，比氨基酸組成成分特征提取法提高3.38個(gè)百分點(diǎn)；“一對一”策略的分類總精度可達(dá)到94.88％，比“一對多”策略提高6.9個(gè)百分點(diǎn)。 2).對于亞細(xì)胞定位預(yù)測，原核蛋白和真核蛋白定位的預(yù)測總精度最高分別可達(dá)到92.38％和95.22％，真核蛋白定位的預(yù)測總精度遠(yuǎn)高