基于智能計(jì)算模型的蛋白質(zhì)功能位點(diǎn)的預(yù)測(cè).pdf

1、計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，為分子生物學(xué)研究提供了新的強(qiáng)大于段。蛋白質(zhì)功能位點(diǎn)的預(yù)測(cè)因其在醫(yī)學(xué)特別是在揭示生命奧秘、功能蛋白質(zhì)組學(xué)研究方面具有重要意義，引起了生物和醫(yī)學(xué)工作者的極大關(guān)注。利用生物實(shí)驗(yàn)手段獲取蛋白質(zhì)功能位點(diǎn)是非常耗時(shí)耗力的，這就要求我們借助于計(jì)算的手段從序列預(yù)測(cè)其功能位點(diǎn)。對(duì)于蛋白質(zhì)翻譯后的磷酸化修飾位點(diǎn)和酶的催化活性位點(diǎn)的預(yù)測(cè)問題，本文提出了兩個(gè)基于智能計(jì)算模型的預(yù)測(cè)方法。其主要內(nèi)容和貢獻(xiàn)包括： (1)蛋白質(zhì)磷酸

2、化位點(diǎn)預(yù)測(cè)蛋白質(zhì)磷酸化作為翻譯后修飾的一種，目前常見的預(yù)測(cè)方法主要有基于組的GPS方法、基于Bayes決策論的PPSP方法和基于支持向量機(jī)(SVM)方法和隱馬爾可大方法(HMM)等機(jī)器學(xué)習(xí)方法，它們基本都依賴于序列保守性特性。本文提出了融入蛋白質(zhì)結(jié)構(gòu)信息的基于BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)方法。有關(guān)文獻(xiàn)表明，磷酸化位點(diǎn)更傾向于出現(xiàn)C(Coil)形式二級(jí)結(jié)構(gòu)和B(Buried)形式三級(jí)結(jié)構(gòu)。我們實(shí)驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)MCC的值為0．87，優(yōu)于Scansit

3、e2．0和PredPhospho預(yù)測(cè)方法。在此基礎(chǔ)上，我們進(jìn)一步提出了兩階段神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)方法，第二階段的模型去提煉第一階段的結(jié)果，對(duì)于蛋白激酶PKA，我們得到的靈敏度和特異性分別為93．26％和94．14％。 (2)酶的活性位點(diǎn)預(yù)測(cè)酶作為一種特殊的蛋白質(zhì)，對(duì)化學(xué)反應(yīng)起到加速催化作用。它的催化活性位點(diǎn)是這一功能的重要參與殘基。到目前為止，關(guān)于活性催化位點(diǎn)的預(yù)測(cè)有多序列比對(duì)方法、計(jì)算幾何方法、演化跟蹤方法以及能量函數(shù)計(jì)算方法等

4、，但是都沒有給出令人滿意的結(jié)果。本文提出了基于樸素貝葉斯模型的方法，并且使用了新的殘基二級(jí)結(jié)構(gòu)屬性，給出了比較滿意的預(yù)測(cè)精度和時(shí)間效率，靈敏度和特異性分別為：88．6％，93．7％。實(shí)驗(yàn)證實(shí)了恰當(dāng)?shù)哪Ｐ瓦x擇、充足的數(shù)據(jù)集以及合適的輸入屬性(殘基屬性)對(duì)提高預(yù)測(cè)精度和時(shí)間效率都起到積極作用。 本文工作的特色和創(chuàng)新在于：①考慮到了結(jié)構(gòu)和功能的關(guān)系，融入二級(jí)結(jié)構(gòu)和二級(jí)構(gòu)信息，并且給出了一定的簡(jiǎn)化表示方法。對(duì)于二級(jí)結(jié)構(gòu)我們只考慮了H、E

5、、C三種狀態(tài)；三級(jí)結(jié)構(gòu)也只考慮了E、B兩種狀態(tài)。除此以外，在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上，增加到兩個(gè)階段，并且融入了磷酸化修飾的模體信息，第二階段對(duì)第一階段的結(jié)果進(jìn)行了提煉；②首次運(yùn)用樸素貝葉斯統(tǒng)計(jì)分類模型來解決酶的活性位點(diǎn)預(yù)測(cè)問題。在其輸入?yún)?shù)中，不僅充分考慮到了序列保守性特征，而且更多的結(jié)構(gòu)信息、殘基生化屬性也被考慮。七種狀態(tài)較為詳細(xì)地描述了氨基酸的二級(jí)結(jié)構(gòu)。關(guān)于三級(jí)結(jié)構(gòu)，我們從更多的角度體現(xiàn)它，使用了殘基溶劑可訪問性值、表面裂口信息以及反映殘基