基于生物信息學的Alpha螺旋跨膜蛋白質(zhì)中兩親螺旋區(qū)域位置的預測研究.pdf

1、跨膜蛋白是一種橫跨細胞膜的并且依附在生物膜上的蛋白質(zhì)，即跨膜蛋白從膜的一側(cè)跨越通向膜的另一側(cè)。有兩種類型的跨膜蛋白質(zhì)：alpha螺旋跨膜蛋白和beta折疊跨膜蛋白。精準的膜蛋白拓撲結(jié)構(gòu)預測的生物信息學方法對于幫助理解它們的功能是非常重要的。過去的幾十年關于跨膜蛋白質(zhì)中跨膜區(qū)域位置的預測已經(jīng)取得了不俗的成就，但是很少有研究把關注點放在預測跨膜蛋白質(zhì)中 Alpha螺旋兩親區(qū)域Amphipathic helix（AHs）位置的研究上。從生物學

2、意義上看，AHs區(qū)域在感受生物膜的曲率、參與膜小管的形成和與其它蛋白質(zhì)的信息交互等過程起到了重要作用。因此，我們提出了一個新的模型來預測AHs區(qū)域的位置信息，本文利用氨基酸的序列信息構(gòu)建了一個基于統(tǒng)計學的機器學習模型。
　　為了提高跨膜蛋白質(zhì)中alpha螺旋兩親區(qū)域位置預測的精度，該文首先構(gòu)建了領域內(nèi)較完備可用的標準數(shù)據(jù)集。然后基于蛋白質(zhì)位置特異性得分矩陣、蛋白質(zhì)二級結(jié)構(gòu)、Z坐標和疏水矩等特征，并且提出了一種新的衡量兩親性的特征稱

3、為螺旋周期性Helix periodicity(HP)，針對標準數(shù)據(jù)集中正負樣本的極端不平衡，利用 MemBrain剪掉跨膜區(qū)域片段和下采樣的方法，同時也降低了AHs區(qū)域的搜索空間，最后利用特征降維融合分類器集成的方法，訓練三種Ensemble學習模型：EnsembleKNN模型、Ensemble SVM模型和AdaBoost分類器模型。
　　相比領域內(nèi)的其他方法，本文構(gòu)建的集成學習分類器模型具有更好的鑒別度。分類器集成模型緩解了