基于序列多信息融合的蛋白质亚细胞定位预测方法研究

论文摘要

蛋白质的亚细胞定位与其功能密切相关。研究细胞中蛋白质定位的机制和规律，预测蛋白质的亚细胞定位，对于了解蛋白质之间的相互作用和功能具有重要意义。尽管传统的生物化学实验能够预测蛋白质的亚细胞定位，但是这种方法既耗时，成本又高。因此，我们迫切需要一些自动的、高效准确的蛋白质亚细胞定位预测方法。本文主要围绕这一主题，针对蛋白质序列的编码方法和分类预测算法两方面进行了研究，并在不同的数据集上分别进行了测试和分析。本文的主要创新工作概括如下：本文基于氨基酸的物理化学属性提出了一种新的蛋白质序列特征提取方法。该方法将一条蛋白序列转化为146维的特征向量，其中包含20维的氨基酸基本组成和126维的三肽组分。为了评价预测性能，我们采用支持向量机作为分类方法，分别在三个不同数据集上进行自检验和刀切法检验。实验结果表明，此方法对蛋白质亚细胞定位预测是有效的。为了进一步挖掘蛋白质序列中所包含的结构和功能信息，本文融合了氨基酸位置权重组分、二肽组成、氨基酸折射率相关系数三种特征，提出了一种新颖的蛋白质序列特征提取方法。该方法试图加入氨基酸的位置信息、局部顺序信息以及氨基酸残基之间的长程相关性。然后我们分别利用支持向量机和最近邻算法对凋亡蛋白和革兰氏阴性菌蛋白进行亚细胞定位预测。在刀切法检验下，两种分类算法都取得了较高的预测准确率。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 引言
• 1.2 研究背景及意义
• 1.3 国内外研究现状
• 1.4 论文研究内容与结构安排
• 第2章 蛋白质亚细胞定位的预测方法
• 2.1 蛋白质亚细胞定位的相关基础知识
• 2.1.1 亚细胞结构及其功能
• 2.1.2 蛋白质序列
• 2.2 数据集的构建
• 2.2.1 SWISS-PROT 数据库简介
• 2.2.2 实验数据的筛选
• 2.3 蛋白质序列信息的特征提取
• 2.3.1 基于氨基酸组成和位置的方法
• 2.3.2 Zp 曲线和 Zp 参数法
• 2.4 分类预测方法
• 2.4.1 基于统计的分类预测方法
• 2.4.2 基于机器学习的分类预测方法
• 2.5 分类预测评价
• 2.6 小结
• 第3章 基于序列三肽组成的蛋白亚细胞定位预测方法
• 3.1 引言
• 3.2 蛋白质序列的特征提取
• 3.2.1 氨基酸组分
• 3.2.2 三肽组成
• 3.3 实验与分析
• 3.3.1 数据集
• 3.3.2 数据归一化
• 3.3.3 LIBSVM 简介
• 3.3.4 预测结果的分析与比较
• 3.3.5 样本分类数及均衡性对预测结果的影响
• 3.4 小结
• 第4章 基于多特征融合的蛋白质亚细胞定位预测方法
• 4.1 引言
• 4.2 原理与方法
• 4.2.1 蛋白质序列的特征提取
• 4.2.2 K 近邻算法
• 4.3 实验与分析
• 4.3.1 数据集
• 4.3.2 特征参数的选取对预测结果的影响
• 4.3.3 SVM 算法与 KNN 算法的分类效果比较
• 4.3.4 与其它方法的比较
• 4.4 小结
• 结论
• 参考文献
• 致谢
• 附录A 攻读学位期间所发表的学术论文及所参加项目