基于智能計算模型的蛋白質功能位點的預測.pdf

1、計算機和網(wǎng)絡技術的飛速發(fā)展，為分子生物學研究提供了新的強大于段。蛋白質功能位點的預測因其在醫(yī)學特別是在揭示生命奧秘、功能蛋白質組學研究方面具有重要意義，引起了生物和醫(yī)學工作者的極大關注。利用生物實驗手段獲取蛋白質功能位點是非常耗時耗力的，這就要求我們借助于計算的手段從序列預測其功能位點。對于蛋白質翻譯后的磷酸化修飾位點和酶的催化活性位點的預測問題，本文提出了兩個基于智能計算模型的預測方法。其主要內容和貢獻包括： (1)蛋白質磷酸

2、化位點預測蛋白質磷酸化作為翻譯后修飾的一種，目前常見的預測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(SVM)方法和隱馬爾可大方法(HMM)等機器學習方法，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結構信息的基于BP神經網(wǎng)絡模型的預測方法。有關文獻表明，磷酸化位點更傾向于出現(xiàn)C(Coil)形式二級結構和B(Buried)形式三級結構。我們實驗評價標準MCC的值為0．87，優(yōu)于Scansit

3、e2．0和PredPhospho預測方法。在此基礎上，我們進一步提出了兩階段神經網(wǎng)絡模型的預測方法，第二階段的模型去提煉第一階段的結果，對于蛋白激酶PKA，我們得到的靈敏度和特異性分別為93．26％和94．14％。 (2)酶的活性位點預測酶作為一種特殊的蛋白質，對化學反應起到加速催化作用。它的催化活性位點是這一功能的重要參與殘基。到目前為止，關于活性催化位點的預測有多序列比對方法、計算幾何方法、演化跟蹤方法以及能量函數(shù)計算方法等

4、，但是都沒有給出令人滿意的結果。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結構屬性，給出了比較滿意的預測精度和時間效率，靈敏度和特異性分別為：88．6％，93．7％。實驗證實了恰當?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)對提高預測精度和時間效率都起到積極作用。 本文工作的特色和創(chuàng)新在于：①考慮到了結構和功能的關系，融入二級結構和二級構信息，并且給出了一定的簡化表示方法。對于二級結構我們只考慮了H、E

5、、C三種狀態(tài)；三級結構也只考慮了E、B兩種狀態(tài)。除此以外，在神經網(wǎng)絡基礎上，增加到兩個階段，并且融入了磷酸化修飾的模體信息，第二階段對第一階段的結果進行了提煉；②首次運用樸素貝葉斯統(tǒng)計分類模型來解決酶的活性位點預測問題。在其輸入?yún)?shù)中，不僅充分考慮到了序列保守性特征，而且更多的結構信息、殘基生化屬性也被考慮。七種狀態(tài)較為詳細地描述了氨基酸的二級結構。關于三級結構，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