基于数据挖掘的蛋白质纯化系统研究

论文摘要

基因工程重组蛋白药物是新药开发的重要发展方向之一。重组蛋白质是指利用DNA重组技术生产的蛋白质,重组蛋白的菌种构建至发酵、纯化的工艺研究是重组蛋白研发和产业化的重要研究内容。目前,对于重组蛋白纯化工艺的摸索主要基于专业人员的反复试验,这使得工艺研究很大程度上依赖专业人员的经验,并且研究周期长、成本高。针对以上问题,本文提出一种基于数据挖掘的蛋白质纯化系统方法,该方法可以根据现有的纯化经验信息为纯化工艺开发人员提供有效的建议工艺,缩短工艺研究周期。蛋白质的纯化工艺在很大程度上与蛋白质的性质相关联。目前在公开文献上已经有数百种重组蛋白的纯化工艺研究报道,利用数据挖掘技术可以有效的获得纯化工艺和蛋白质性质的关联关系。基于这种思想,本文首先采用了K-means算法对文献中的重组蛋白进行聚类,进而获得每一类别重组蛋白所采用的主要纯化方法。但是重组蛋白的性质数据并不能直接用于K-means算法,需要在聚类之前对这些数据进行属性量化处理、数据去噪和标准化等一系列处理。在实际的生产应用中,重组蛋白的某些性质与纯化过程中一些步骤所采用的具体工艺有规则性关联,利用相关规则对聚类方法获得的建议工艺进行相应的调整和改进。选用了十几种已知重组蛋白利用所提方法进行了纯化工艺确定,给出的建议工艺与实际应用工艺相符,证明所提方法有效。最后基于所提方法,使用Visual Studio 2008+SQL Server 2005实现了该系统,目前系统运行状况良好。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景
• 1.2 蛋白质纯化工艺及相关技术研究现状
• 1.3 研究内容
• 1.4 文章结构安排
• 2 相关技术介绍
• 2.1 数据挖掘技术
• 2.1.1 基本概念及介绍
• 2.1.2 数据挖掘的分析模型
• 2.2 聚类分析
• 2.2.1 聚类算法的分类
• 2.2.2 聚类分析的一般步骤
• 2.3 本章小结
• 3 基于数据挖掘的蛋白质纯化系统设计
• 3.1 系统算法设计
• 3.2 目标数据集的生成
• 3.2.1 数据预处理
• 3.2.2 K-means算法
• 3.2.3 K值的选择
• 3.3 基于规则的推理验证
• 3.4 系统实例
• 3.4.1 文献数据库的建立
• 3.4.2 聚类结果
• 3.4.3 初步纯化工艺的确定规则
• 3.4.4 工艺生成
• 3.5 本章小结
• 4 系统的总体设计及实现
• 4.1 引言
• 4.2 系统开发环境
• 4.2.1 .NET框架介绍
• 4.2.2 ADO.NET
• 4.3 系统实现
• 4.3.1 系统的总体设计
• 4.3.2 系统数据库的设计
• 4.3.3 系统相关模块实现过程
• 4.3.4 人机界面设计
• 4.3.5 系统功能扩展
• 4.4 本章小结
• 结论
• 参考文献
• 附录A 系统部分实现代码
• 致谢