智能分類算法及其在蛋白質(zhì)相互作用預(yù)測中的應(yīng)用研究.pdf

1、蛋白質(zhì)是生命活動(dòng)的主要執(zhí)行者，其通過相互作用來完成生命活動(dòng)，因此只有對蛋白質(zhì)進(jìn)行整體，網(wǎng)絡(luò)水平上的研究，才能真正揭示生命現(xiàn)象的分子機(jī)制，這就導(dǎo)致了蛋白質(zhì)組學(xué)的出現(xiàn)。蛋白質(zhì)組學(xué)是研究一個(gè)細(xì)胞或生物組織在一定條件下所有蛋白質(zhì)的結(jié)構(gòu)與功能，以及這些蛋白質(zhì)與其他分子之間的相互作用關(guān)系。因此檢測蛋白質(zhì)之間的相互作用成為蛋白質(zhì)組學(xué)的重要研究課題之一。
　　 由于傳統(tǒng)檢測蛋白質(zhì)相互作用的實(shí)驗(yàn)方法耗費(fèi)大量的人力物力，而且具有較高的假陽率和假陰率

2、，因此采用計(jì)算方法對蛋白質(zhì)相互作用進(jìn)行預(yù)測變得越來越重要。本文主要研究基于蛋白質(zhì)的一級(jí)序列信息，利用分類算法，對蛋白質(zhì)之間的相互作用進(jìn)行預(yù)測。因?yàn)榈鞍踪|(zhì)的氨基酸序列決定結(jié)構(gòu)，結(jié)構(gòu)決定性質(zhì)，所以蛋白質(zhì)一級(jí)序列中含有的信息已經(jīng)足夠用來預(yù)測蛋白質(zhì)相互作用，并且這種方法具有較好的通用性，僅根據(jù)蛋白質(zhì)的序列信息就可以進(jìn)行預(yù)測。本文的工作主要包括以下幾個(gè)方面：
　　 (1)提出了一種基于改進(jìn)的偽氨基酸組成特征提取算法的蛋白質(zhì)相互作用預(yù)測方法

3、。由于蛋白質(zhì)的功能可能受到多種不同的氨基酸屬性的影響，所以需要整合與蛋白質(zhì)相互作用相關(guān)的氨基酸性質(zhì)來更加有效的表示蛋白質(zhì)序列的特征。因此首先利用基于Geary自相關(guān)函數(shù)的特征提取算法，對氨基酸屬性與蛋白質(zhì)相互作用的相關(guān)性進(jìn)行評價(jià)，然后根據(jù)評價(jià)結(jié)果選擇相關(guān)的屬性整合到基于Minkowski距離的偽氨基酸特征提取算法中提取出特征，并使用隨機(jī)森林作為分類器進(jìn)行學(xué)習(xí)預(yù)測。在幽門螺旋菌蛋白質(zhì)相互作用數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)，該方法相對于傳統(tǒng)方法取得了很好的

4、效果，提高了預(yù)測正確率。
　　 (2)提出了一種基于n-Diad特征提取算法和隨機(jī)森林的蛋白質(zhì)相互作用預(yù)測方法。采用了n-diad特征提取算法從蛋白質(zhì)序列中提取特征，所提取的特征中不僅含有氨基酸的同義變異信息，還包括了蛋白質(zhì)序列中間隔不同距離的氨基酸之間的疏水作用信息。由于隨機(jī)森林參數(shù)較少，泛化能力較好，因此被選作分類器進(jìn)行學(xué)習(xí)和預(yù)測。同時(shí)，由于訓(xùn)練數(shù)據(jù)集的質(zhì)量對分類器的效果有較大的影響，我們選取了DIP數(shù)據(jù)庫中的酵母蛋白質(zhì)相互

5、作用數(shù)據(jù)作為正集，然后基于不同的生物學(xué)原理，構(gòu)造了四種負(fù)集，用來比較不同的負(fù)集生成方法對分類效果的影響。通過實(shí)驗(yàn)表明，ScoNeg數(shù)據(jù)集綜合了多種生物信息源，具有較多的生物意義，所訓(xùn)練出的隨機(jī)森林分類器預(yù)測效果最好。
　　 (3)提出了一種基于Moran-PseAA特征提取算法和改進(jìn)的K近鄰分類器的預(yù)測模型來預(yù)測蛋白質(zhì)相互作用。蛋白質(zhì)序列使用Moran-PseAA特征提取算法來編碼，這種算法使用Moran相關(guān)函數(shù)來計(jì)算蛋白質(zhì)序列

6、的順序信息和氨基酸的疏水作用信息，然后采用K近鄰算法作為分類器，同時(shí)根據(jù)蛋白質(zhì)相互作用的特點(diǎn)，提出新的距離函數(shù)來計(jì)算兩個(gè)蛋白質(zhì)對之間的距離。在酵母蛋白質(zhì)相互作用數(shù)據(jù)上進(jìn)行實(shí)驗(yàn)，獲得了較好的預(yù)測準(zhǔn)確率。
　　 (4)提出了一種基于蛋白質(zhì)表面熱點(diǎn)氨基酸性質(zhì)和相互作用的蛋白質(zhì)之間存在共進(jìn)化現(xiàn)象的預(yù)測方法。由于自然選擇壓力，相互作用的蛋白質(zhì)在進(jìn)化過程中呈現(xiàn)出共進(jìn)化的特征，因此提出co-Diad特征提取算法來表示兩個(gè)蛋白質(zhì)之間的共進(jìn)化信息

7、。另外，由于兩個(gè)蛋白質(zhì)之間發(fā)生物理相互作用所需要的結(jié)合能量是由少數(shù)分布在蛋白質(zhì)表面的熱點(diǎn)氨基酸提供，因此在co-Diad提出的特征中，只有包含熱點(diǎn)氨基酸信息的特征分量才與蛋白質(zhì)相互作用相關(guān)，所以選取多表達(dá)式編程作為分類器，在學(xué)習(xí)過程中自動(dòng)提取出有效的特征分量。由于單個(gè)多表達(dá)編程分類器可能僅提取出含有某一類熱點(diǎn)氨基酸信息的特征，而丟失了含有其他類型熱點(diǎn)氨基酸信息的特征，因此我們提出了集成多表達(dá)式編程分類器，將多個(gè)多表達(dá)編程分類器整合為一個(gè)