版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于智能計(jì)算的蛋白質(zhì)功能預(yù)測(cè)研究.pdf
- 通過構(gòu)建蛋白質(zhì)結(jié)構(gòu)域功能模版庫(kù)做基于序列的蛋白質(zhì)功能位點(diǎn)預(yù)測(cè).pdf
- 基于蛋白質(zhì)網(wǎng)絡(luò)與蛋白質(zhì)功能的關(guān)鍵蛋白質(zhì)預(yù)測(cè)研究.pdf
- 基于多分類器組合的蛋白質(zhì)-蛋白質(zhì)相互作用位點(diǎn)預(yù)測(cè)研究.pdf
- ATP與蛋白質(zhì)結(jié)合位點(diǎn)預(yù)測(cè).pdf
- 基于覆蓋算法的蛋白質(zhì)相互作用位點(diǎn)預(yù)測(cè).pdf
- 基于馬爾科夫模型的蛋白質(zhì)亞細(xì)胞位點(diǎn)預(yù)測(cè)方法.pdf
- 蛋白質(zhì)序列中RNA結(jié)合位點(diǎn)的預(yù)測(cè).pdf
- 基于蛋白質(zhì)相互作用網(wǎng)絡(luò)的蛋白質(zhì)功能預(yù)測(cè).pdf
- 蛋白質(zhì)翻譯后修飾位點(diǎn)預(yù)測(cè)及其功能分析.pdf
- 基于計(jì)算智能的蛋白質(zhì)三級(jí)結(jié)構(gòu)預(yù)測(cè).pdf
- 24965.基于計(jì)算幾何及序列保守性的蛋白質(zhì)活性位點(diǎn)預(yù)測(cè)
- 基于非格點(diǎn)模型的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)研究.pdf
- 基于SVM的蛋白質(zhì)相互作用位點(diǎn)的預(yù)測(cè)研究.pdf
- 基于智能計(jì)算的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于智能計(jì)算的蛋白質(zhì)相互作用預(yù)測(cè)方法研究.pdf
- 融合計(jì)算智能的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)研究.pdf
- 蛋白質(zhì)相互作用位點(diǎn)預(yù)測(cè)方法研究.pdf
- 基于上下采樣的幾種蛋白質(zhì)翻譯后修飾位點(diǎn)的預(yù)測(cè).pdf
- 25175.基于計(jì)算智能技術(shù)的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法研究
評(píng)論
0/150
提交評(píng)論