蛋白質(zhì)的幾種序列信息提取方法及亞細(xì)胞定位預(yù)測(cè)研究.pdf

1、蛋白質(zhì)亞細(xì)胞定位的研究與闡述各種細(xì)胞過(guò)程的功能密切相關(guān)，對(duì)一些疾病機(jī)制和發(fā)展新型藥物也有著重要的作用。傳統(tǒng)的生物化學(xué)實(shí)驗(yàn)方法周期長(zhǎng)、成本高，因此基于機(jī)器學(xué)習(xí)的蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)成為了當(dāng)前生物信息學(xué)的重要研究?jī)?nèi)容之一。目前，蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)研究的關(guān)鍵部分是特征信息提取和分類(lèi)算法模型構(gòu)建，本文主要在特征信息提取上對(duì)蛋白質(zhì)亞細(xì)胞定位預(yù)測(cè)展開(kāi)研究，主要內(nèi)容如下：
　?。?）基于氨基酸指數(shù)的蛋白質(zhì)序列信息提取及亞細(xì)胞定位預(yù)測(cè)。氨基酸的

2、各種物理化學(xué)性質(zhì)直接影響了蛋白質(zhì)的功能與結(jié)構(gòu)，利用氨基酸指數(shù)將蛋白序列轉(zhuǎn)化成數(shù)值序列，提出了AAF算法在新的數(shù)值序列上提取特征信息，得到一個(gè)m+2維的特征向量，討論參數(shù)m對(duì)實(shí)驗(yàn)結(jié)果的影響。相比于傳統(tǒng)的ACF算法，AAF算法的預(yù)測(cè)準(zhǔn)確率整體提高了10％左右。
　?。?）基于Gapped k-mer的蛋白質(zhì)序列信息提取及亞細(xì)胞定位預(yù)測(cè)。氨基酸組分信息是一種最簡(jiǎn)單的信息提取算法，但推廣到多肽，卻存在特征向量維數(shù)過(guò)大和預(yù)測(cè)效果不理想的問(wèn)題

3、。本文提出的基于Gapped k-mer的特征信息提取算法，利用氨基酸約化和在多肽中插入空格，不僅降低了維數(shù)，而且準(zhǔn)確率也有所提高。將Gapped k-mer提取的信息與GO信息融合后，在Gneg1456數(shù)據(jù)集上的預(yù)測(cè)準(zhǔn)確率達(dá)到了93.28%，相比已知最好的結(jié)果提高了2.48%。
　?。?）基于位置特異性得分矩陣（PSSM）的蛋白質(zhì)序列信息提取及亞細(xì)胞定位預(yù)測(cè)。利用PSI-BLAST比對(duì)蛋白質(zhì)數(shù)據(jù)庫(kù)得到的PSSM矩陣代表著蛋白質(zhì)的