1、隨著蛋白質(zhì)測序技術(shù)的不斷進步，人類對蛋白質(zhì)的序列和結(jié)構(gòu)的認(rèn)識得以不斷深入。但快速增加的蛋白質(zhì)序列數(shù)據(jù)，給蛋白質(zhì)結(jié)構(gòu)和功能的自動預(yù)測提出了巨大挑戰(zhàn)。在大量的蛋白質(zhì)中，DNA結(jié)合蛋白質(zhì)是指一類可與DNA結(jié)合產(chǎn)生復(fù)合物的蛋白質(zhì)，是細(xì)胞各項生命活動不可缺少的物質(zhì)。對DNA結(jié)合蛋白質(zhì)的預(yù)測可以快速有效地發(fā)現(xiàn)DNA結(jié)合蛋白質(zhì)，促進藥物蛋白質(zhì)靶標(biāo)的快速識別以及計算機輔助藥物設(shè)計的研究。
DNA結(jié)合蛋白質(zhì)的預(yù)測問題大體可分為兩類，即結(jié)構(gòu)已知的
2、DNA結(jié)合蛋白質(zhì)預(yù)測和結(jié)構(gòu)未知的DNA結(jié)合蛋白質(zhì)預(yù)測。應(yīng)用已知結(jié)構(gòu)特征進行預(yù)測可獲得較高的預(yù)測正確率，但是由于生物體蛋白質(zhì)組中絕大部分蛋白質(zhì)的結(jié)構(gòu)未知，因此此類方法不適用于高通量蛋白質(zhì)功能預(yù)測。本文重點研究結(jié)構(gòu)未知的DNA結(jié)合蛋白質(zhì)預(yù)測問題，即基于序列信息的DNA結(jié)合蛋白質(zhì)預(yù)測。本文從蛋白質(zhì)向量化方法和機器學(xué)習(xí)的角度研究DNA結(jié)合蛋白質(zhì)預(yù)測。
本文的主要工作包括：第一，研究了基于Top-n-gram的蛋白質(zhì)向量化方法在 DNA
3、結(jié)合蛋白質(zhì)預(yù)測上的應(yīng)用。在此部分，首先研究了該方法將不同維數(shù)的蛋白質(zhì)序列頻率譜轉(zhuǎn)化為相同維數(shù)的特征向量的具體步驟，最后計算了該方法產(chǎn)生的各特征的判別貢獻權(quán)重并分析了其中的重要特征；第二，提出了一種基于位置特異性分?jǐn)?shù)矩陣距離轉(zhuǎn)換(Position-Specific Scoring Matrix Distance Transformation，PSSM-DT)的蛋白質(zhì)向量化方法，用于DNA結(jié)合蛋白質(zhì)預(yù)測。實驗結(jié)果表明 PSSM-DT方法不僅
