蛋白質(zhì)超二級(jí)結(jié)構(gòu)預(yù)測(cè)研究

蛋白質(zhì)超二級(jí)結(jié)構(gòu)預(yù)測(cè)研究后基因組時(shí)代生命科學(xué)中最重大的研究課題之一是蛋白質(zhì)組研究,蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)正是蛋白質(zhì)組研究中一個(gè)富有挑戰(zhàn)性的研究課題,其研究不僅對(duì)于理解蛋白質(zhì)空間折疊機(jī)制與蛋白質(zhì)功能具有理論價(jià)值,更對(duì)生物制藥、農(nóng)業(yè)生物科技等應(yīng)用領(lǐng)域具有直接的指導(dǎo)作用。蛋白質(zhì)的三維空間結(jié)構(gòu)與其功能緊密相關(guān),而超二級(jí)結(jié)構(gòu)正是構(gòu)成三維結(jié)構(gòu)的基本單元。從蛋白質(zhì)一級(jí)結(jié)構(gòu)直接預(yù)測(cè)三維空間結(jié)構(gòu)非常困難,蛋白質(zhì)二級(jí)結(jié)構(gòu)及超二級(jí)結(jié)構(gòu)正是兩者直接之間的重要橋梁,因此超二級(jí)結(jié)構(gòu)的預(yù)測(cè)有著重要的研究意義?，F(xiàn)有的許多研究主要是針對(duì)蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè),超二級(jí)結(jié)構(gòu)預(yù)測(cè)的相關(guān)研究還比較少。作為超二結(jié)構(gòu)預(yù)測(cè)的基礎(chǔ)和前提,二級(jí)結(jié)構(gòu)預(yù)測(cè)是不可缺少的環(huán)節(jié)。氨基酸的編碼方式對(duì)蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)精度有重要影響,因此有必要對(duì)氨基酸編碼方式進(jìn)行分析比較,為二級(jí)結(jié)構(gòu)預(yù)測(cè)編碼方式的選擇提供直接依據(jù);目前較少的超二級(jí)結(jié)構(gòu)預(yù)測(cè)研究在特征表達(dá)上有缺陷,僅僅考慮氨基酸基本組成成份,特征信息表達(dá)不完整;同時(shí)在超二級(jí)結(jié)構(gòu)分類方法上也有待進(jìn)一步探索。本文應(yīng)用機(jī)器學(xué)習(xí)技術(shù)對(duì)蛋白質(zhì)超二級(jí)結(jié)構(gòu)預(yù)測(cè)問(wèn)題進(jìn)行深入研究:本文首先對(duì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的氨基酸編碼問(wèn)題進(jìn)行研究;然后對(duì)蛋白質(zhì)結(jié)構(gòu)中頻繁出現(xiàn)的一種特殊超二級(jí)結(jié)構(gòu)(β發(fā)夾)進(jìn)行預(yù)測(cè)研究;最后將特殊超二級(jí)結(jié)構(gòu)研究進(jìn)一步推廣到一般超二級(jí)結(jié)構(gòu)的預(yù)測(cè)研究。論文取得的主要成果與創(chuàng)新工作概括如下:①研究分析了不同的氨基酸編碼方式對(duì)使用支持向量機(jī)進(jìn)行蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)精度的影響。蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)采用何種氨基酸編碼方式會(huì)對(duì)預(yù)測(cè)精度有很大影響。選擇具有較好的分類能力的支持向量機(jī)進(jìn)行蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)。建立二級(jí)結(jié)構(gòu)預(yù)測(cè)模型,分析比較正交編碼、5位編碼、Codon編碼(基本)、Codon編碼(擴(kuò)展)和Profile編碼等5種氨基酸編碼方案以及不同的支持向量機(jī)核函數(shù)對(duì)二級(jí)結(jié)構(gòu)預(yù)測(cè)精度的影響。實(shí)驗(yàn)數(shù)據(jù)表明:使用支持向量機(jī)進(jìn)行蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)時(shí),經(jīng)過(guò)多重序列比對(duì)、包含更多生物進(jìn)化信息的Profile編碼方式的預(yù)測(cè)精度明顯優(yōu)于其他4種編碼方式。②提出一種新的β發(fā)夾特征表達(dá)方法。用離散量及離散增量表征蛋白質(zhì)β-β模體的信息。用氨基酸基本組成成份,二肽成份以及氨基酸組成分布三種方式表達(dá)β-β模體特征。每個(gè)β-β模體表達(dá)成一個(gè)18維的特征向量,用作分類器的輸入。實(shí)驗(yàn)數(shù)據(jù)集選擇ArchDB40數(shù)據(jù)庫(kù)(3088個(gè)蛋白質(zhì))、Kumar數(shù)據(jù)庫(kù)(2088個(gè)蛋白質(zhì))、CASP6數(shù)據(jù)集(63個(gè)蛋白質(zhì))。將支持向量機(jī)用于β發(fā)夾的預(yù)測(cè)分類器,取得了較高的預(yù)測(cè)精度。③使用提出的β發(fā)夾特征表達(dá)方法,首次將離散增量結(jié)合二次判別分析方法用于β發(fā)夾的預(yù)測(cè)。在ArchDB40數(shù)據(jù)集、Kumar數(shù)據(jù)集、CASP6數(shù)據(jù)集上均取得較高的的預(yù)測(cè)精度。上述工作充分說(shuō)明:本文提出的新的β發(fā)夾特征表達(dá)方法是有效的。④將特殊超二級(jí)結(jié)構(gòu)特征表達(dá)策略進(jìn)一步推廣到一般超二級(jí)結(jié)構(gòu)特征表達(dá)。用離散量及離散增量表達(dá)一般超二級(jí)結(jié)構(gòu)序列的表征信息。用氨基酸基本組成成份,二肽成份以及氨基酸組成分布三種方式表達(dá)一般超二級(jí)結(jié)構(gòu)特征。每個(gè)超二級(jí)結(jié)構(gòu)序列表達(dá)成一個(gè)36維的特征向量,用作分類器的輸入。實(shí)驗(yàn)數(shù)據(jù)集選擇ArchDB40數(shù)據(jù)庫(kù)中9180個(gè)β–β模體、5737個(gè)β–α模體、6378個(gè)α–β模體、4176個(gè)α–α模體。將支持向量機(jī)用于超二級(jí)結(jié)構(gòu)的預(yù)測(cè),在訓(xùn)練集及獨(dú)立測(cè)試集均取得較高的預(yù)測(cè)精度。⑤首次將二次判別分析方法用于一般超二級(jí)結(jié)構(gòu)的預(yù)測(cè)。