基于序列多位點特征挖掘的固有無序蛋白預測.pdf

1、固有無序蛋白是普遍存在的一類天然蛋白，通常缺乏穩(wěn)定空間結構，且與人類重大疾病密切相關，是目前蛋白質科學研究的熱點之一。由于沒有穩(wěn)定三維結構，用實驗方法測定固有無序蛋白質比較困難，因此通過計算手段基于序列特征分析及預測固有無序蛋白是重要的有效途徑。本文對固有無序蛋白的研究主要包括以下兩部分：一是對固有無序蛋白有序區(qū)和無序區(qū)的序列差異特征進行深入挖掘，探索能夠有效區(qū)分兩種區(qū)域的序列特征參數(shù)；二是在序列分析基礎上，進一步融入序列多位點特征發(fā)展

2、對固有無序蛋白有序區(qū)/無序區(qū)的分類預測算法，為今后固有無序蛋白預測提供新方法。
　　1.固有無序蛋白序列信息挖掘
　　本文基于固有無序蛋白數(shù)據(jù)庫Disprot，建立了由序列長度大于30個氨基酸的749條有序區(qū)序列和387條無序區(qū)序列組成的數(shù)據(jù)集。對有序區(qū)和無序區(qū)的序列復雜度分析表明，有序區(qū)序列復雜度普遍高于無序區(qū)，表明無序區(qū)具有更明顯的氨基酸使用偏好特征，進一步分析表明兩者的復雜度差異與序列長度無關。為了揭示有序區(qū)和無序區(qū)的

3、氨基酸偏好，基于本文構建數(shù)據(jù)集進行了系統(tǒng)的序列分析，結果發(fā)現(xiàn)無序區(qū)偏好使用 A、D、E、G、K、P、Q、S、T，有序區(qū)偏好使用C、F、H、I、L、M、N、R、V、W、Y，兩者具有不同的序列特征。為了進一步說明有序區(qū)和無序區(qū)中氨基酸的分布差別和兩者間二聯(lián)體氨基酸的使用偏好，本文將氨基酸分類和CGR(Chaos Game Representation）分析方法結合，對有序區(qū)和無序區(qū)的序列差異特征進行了深入分析，研究結果表明，固有無序蛋白的無

4、序區(qū)和有序區(qū)之間具有明顯的序列差異，CGR可視化分析指出，無序區(qū)和有序區(qū)的CGR點狀圖密集程度具有差異，無序區(qū)含有較多的由重復殘基組成的序列。以上研究結果為固有無序蛋白預測奠定堅實理論基礎。
　　2.基于序列特征的固有無序蛋白有序區(qū)/無序區(qū)分類方法
　　基于固有無序蛋白有序區(qū)和無序區(qū)的序列差異特征，分別應用序列復雜度、20種氨基酸的頻率、400種二聯(lián)體氨基酸的頻率作為分類算法的輸入特征參數(shù)，同時首次引入偽氨基酸組成（PseA

5、AC）作為描述多位點特征的輸入?yún)?shù)，并結合支持向量機（SVM）發(fā)展了有序區(qū)/無序區(qū)的分類預測算法。研究結果表明，使用PseAAC參數(shù)可以更有效的提取固有無序蛋白無序區(qū)和有序區(qū)的信息，以該參數(shù)作為主要分類參數(shù)，結合SVM算法進行分類預測，結果顯示使用Pse AAC進行分類預測時效果最好，ACC為79.22％，Sn為89.31%，Sp為59.70%，MCC為0.5211，AUC為0.8467。此外，我們通過對分類參數(shù)的縮放發(fā)現(xiàn)還可以提高分類