基于SVM的跨膜蛋白结构预测应用研究

论文摘要

膜蛋白是一种具有重要生物功能的蛋白质,在生物体中发挥着极其重要的作用。尽管磷脂双分子层构成了生物膜的基本框架,然而膜蛋白却始终是膜功能的主要体现者,是细胞执行各种功能的物质基础。根据蛋白质的序列信息预测是否属于β桶状跨膜蛋白、是否属于α螺旋跨膜蛋白和是否属于内在膜蛋白等是跨膜蛋白3D结构预测和功能分析的重要先导步骤,也是蛋白质预测领域中的一个挑战性问题。本文就重点对跨膜蛋白结构预测进行研究。跨膜蛋白序列的特征提取是跨膜蛋白预测研究中最为基本的问题,也是决定分类预测质量的关键。本文从跨膜蛋白的一级序列出发,提出和实现了不同的特征提取算法,并且在所选择的数据集MCP1087上进行了10-叠交叉检验和比较分析。采用了融合氨基酸组成位置和物理化学特性的特征提取方法,利用支持向量机的分类算法构建了预测跨膜蛋白是否属于β桶状跨膜蛋白的模型、预测跨膜蛋白是否属于α螺旋跨膜蛋白的模型和预测跨膜蛋白是否属于内在膜蛋白的模型。在实验中,通过不同的探索,寻求更有效的特征提取方法。第一,以单一氨基酸残基指数计算残基指数相关系数,并根据单一氨基酸残基指数预测结果的优劣,选择不同的多个氨基酸残基指数的最优组合;第二,在氨基酸组分的基础上,加入氨基酸残基在蛋白质序列中的位置信息,更深层次地挖掘蛋白质序列中所蕴含的特征,避免了丢失蛋白质序列中氨基酸位置顺序的信息;第三,改变自相关函数的阶数,充分挖掘蛋白质序列中氨基酸残基的长程相关性信息,进一步提高模型的分类预测性能。本文中构建的三个分类预测模型在测试集上的分类精确度最高分别达到了88.36%、87.89%和94.41%,MCC相关系数分别为0.7723、0.7667和0.8907。本文详细的实验结果表明,基于SVM的跨膜蛋白结构预测能够为跨膜蛋白3D结构预测和功能分析提供有价值的支持。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 背景及意义
• 1.3 本文的主要工作及创新
• 1.4 本文的内容安排
• 第二章 支持向量机
• 2.1 SVM 的理论基础
• 2.2 SVM 的基本思想
• 2.2.1 线性可分的情况
• 2.2.2 线性不可分的情况
• 2.2.3 核函数
• 2.3 SVM 方法的特点
• 2.4 SVM 解决实际问题的基本步骤
• 第三章 国内外研究现状及分类算法
• 3.1 膜蛋白序列的特征提取算法
• 3.1.1 基于氨基酸组成和位置的特征提取方法
• 3.1.1.1 氨基酸组分（Amino Acid Composition: ACC）
• 3.1.1.2 熵密度（Entropy Density Profile: EDP）
• 3.1.1.3 残基耦联模型（Residue Couple Model: RCM）
• 3.1.2 基于氨基酸物理和化学特性的特征提取方法
• 3.1.2.1 自相关函数
• 3.1.2.2 伪氨基酸组成（Pseudo Amino Acid Composition: PseAA）
• 3.1.2.3 Zp 曲线和Zp 参数
• 3.1.2.4 疏水模式组成（Hydrophobic Pattern: HP）
• 3.1.2.5 类序列顺序作用（Quasi Sequence Order Effect: QSOE）
• 3.1.3 基于数据库信息挖掘的特征提取方法
• 3.2 膜蛋白分类算法
• 3.2.1 基于机器学习的算法
• 3.3 模型的构建
• 3.3.1 数据集的构建
• 3.3.2 模型的检验
• 3.3.3 模型的评估
• 第四章 跨膜蛋白预测
• 4.1 β桶状跨膜蛋白预测
• 4.1.1 引言
• 4.1.2 数据和方法
• 4.1.2.1 数据集
• 4.1.2.2 SVM 的分类方法
• 4.1.2.3 基于氨基酸组成位置和物理化学特性的特征
• 4.1.3 结果与讨论
• 4.1.3.1 检验标准
• 4.1.3.2 结果
• 4.1.4 结论
• 4.2 α螺旋跨膜蛋白预测
• 4.2.1 引言
• 4.2.2 数据集
• 4.2.3 方法
• 4.2.3.1 SVM 分类方法
• 4.2.3.2 基于氨基酸组成位置和物理化学特性的特征
• 4.2.4 结果与讨论
• 4.2.4.1 检验标准
• 4.2.4.2 结果
• 4.2.5 结论
• 4.3 内在膜蛋白预测
• 4.3.1 引言
• 4.3.2 数据集
• 4.3.3 方法
• 4.3.3.1 SVM 分类方法
• 4.3.3.2 特征提取
• 4.3.3.2.1 基于氨基酸组分和氨基酸残基指数的特征
• 4.3.3.2.2 基于位置权重的氨基酸组分和氨基酸残基指数的特征
• 4.3.4 结果与讨论
• 4.3.4.1 检验标准
• 4.3.4.2 结果
• 4.3.5 结论
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 参考文献
• 攻读学位期间公开发表的论文
• 致谢