蛋白质结构域预测及唾液分泌蛋白质预测与应用研究

论文摘要

本文针对蛋白质结构域预测、唾液分泌蛋白质预测以及在唾液蛋白质中寻找疾病标识物方面做了较为深入的研究：1.提出了一种基于支持向量机（Support Vector Machine）的蛋白质结构域的预测方法。结合蛋白质结构和功能的长程相关性，通过使用蛋白质二级结构、蛋白质亲水疏水性、蛋白质特定位置得分矩阵（PSSM）及碳原子坐标等作为特征，利用基于支持向量机的方法预测了蛋白质结构域。与同类预测方法比较，该方法使蛋白质结构域预测的效果得到了提升。2.提出了一种基于特征选择与支持向量机相结合的计算模型来预测哪些蛋白质能被分泌到唾液中。此模型为唾液蛋白质组领域的研究，尤其是为此领域的实验科学家提供了新颖的计算模型和研究方法。3.发现了唾液诊断疾病领域的新问题，建立了针对此问题的模型，提出了一种基于特征选择与支持向量机、排名算法相结合的计算模型来预测哪些蛋白可以从血液进入唾液，完善了通过唾液检测疾病的模型，这对人类口腔疾病、全身系统疾病、癌症等重大疾病的早期发现、标识物识别和鉴定提供了重要参考依据。

论文目录

• 提要
• 摘要
• Abstract
• 第1章 绪论
• 1.1 本文的研究目的和意义
• 1.2 本文的主要工作
• 1.2.1 蛋白质结构域的预测
• 1.2.2 唾液分泌蛋白的研究
• 1.2.3 血源唾液蛋白的预测及应用
• 1.3 本文的结构
• 第2章 本文研究背景概述
• 2.1 生物信息学概述
• 2.1.1 生物信息学研究对象
• 2.1.2 生物信息学研究领域
• 2.2 蛋白质结构研究概述
• 2.2.1 蛋白质分子结构及特征
• 2.2.2 蛋白质结构测定及预测方法
• 2.3 唾液及唾液蛋白质组研究概述
• 2.3.1 唾液分泌机制
• 2.3.2 唾液蛋白质组
• 2.3.3 在唾液中用发现疾病标识物
• 2.4 本文相关生物信息数据库和工具简介
• 第3章 蛋白质结构域的预测方法
• 3.1 引言
• 3.2 蛋白质结构域的概念
• 3.3 现有预测方法
• 3.4 基于支持向量机的蛋白质结构域预测
• 3.4.1 模型综述
• 3.4.2 训练集和测试集
• 3.4.3 蛋白质特征的选取
• 3.4.4 蛋白质特征信息的获取
• 3.4.5 基于 SVM 的预测算法
• 第4章 唾液分泌蛋白质及血源唾液蛋白的预测方法
• 4.1 唾液分泌蛋白质的预测
• 4.1.1 引言
• 4.1.2 模型概述
• 4.1.3 数据集的建立
• 4.1.4 特征选择
• 4.1.5 SVM 分类器的训练及应用
• 4.1.6 模型的应用
• 4.1.7 小结
• 4.2 血源唾液蛋白质的预测及应用
• 4.2.1 引言
• 4.2.2 唾液诊断疾病的理论依据
• 4.2.3 模型概述
• 4.2.4 相关数据集
• 4.2.5 特征选择
• 4.2.6 SVM 分类器的训练及结果
• 4.2.7 排名算法的实现及应用
• 4.2.8 模型应用：在唾液蛋白质中寻找乳腺癌标识物
• 4.2.9 小结
• 第5章 结论与展望
• 5.1 研究总结
• 5.2 未来研究展望
• 参考文献
• 作者简介及在学期间所取得的科研成果
• 致谢