机器学习方法在蛋白质功能预测中的应用

《机器学习方法在蛋白质功能预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10264研究生学号：M150208365上海海洋大学硕士学位论文题目：机器学习方法在蛋白质功能预测中的应用ApplicationofMachineLearningMethodsin英文题目：theProteinFunctionPrediction专业：食品科学与工程研究方向：生物信息学姓名：汤亚东指导教师：陈兰明教授二O一八年月日上海海洋大学学位论文原创性声明本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经明确注明和引用的内容外，本论文不包含任何其他个人或集体

2、已经发表或撰写过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日上海海洋大学学位论文版权使用授权书学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或借阅。本人授权上海海洋大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密□，在年解密后适用本版权书。本学位论文属于不保密□学位论文作者签名：指导教师签名：日期：年月日日期：

3、年月日上海海洋大学硕士学位论文答辩委员会成员名单姓名工作单位职称备注答辩地点答辩日期机器学习方法在蛋白质功能预测中的应用摘要随着蛋白质组学、基因组学技术的高速发展，生物序列数据呈指数增长，促进了对蛋白质功能的深入研究。高通量实验技术在蛋白质研究中取得了重要研究成果，然而实验技术费时、费力，不能满足处理大量生物学数据的需求。因此，基于机器学习开发高效、可靠的计算方法预测并分析蛋白质功能十分重要。本研究基于蛋白质序列数据，运用机器学习算法构建了DNA结合蛋白(DNA-bindingproteins,DBPs)、凋亡蛋白(apoptosisprotei

4、ns,APs)的亚细胞定位，以及蛋白质棕榈酰化位点(palmitoylationsites)的预测模型。主要研究结果如下：DNA结合蛋白的鉴定在原核和真核生物的基因和蛋白质功能注释研究中具有十分重要的意义。本研究首次运用间隔二肽组分(gapped-dipeptidecomposition,GapDPC)结合递归特征消除法(recursivefeatureelimination,RFE)鉴定DBPs。首先获得待测蛋白质序列的位置特异性得分矩阵(positionspecificscoringmatrices,PSSMs)，在此矩阵基础上提取蛋白质的G

5、apDPC特征，通过RFE法选择最优特征，然后利用支持向量机(supportvectormachine,SVM)作为分类器在蛋白质序列数据集PDB396和LB1068中进行夹克刀交叉验证(Jackknifecrossvalidationtest)。研究结果显示，基于PDB396和LB1068数据集，DBPs预测的准确率、马修斯相关系数、敏感性和特异性分别达到93.43%、0.86、89.04%和96.00%，以及86.33%、0.73、86.49%和86.18%，明显优于文献报道中的相关方法，为DBPs的鉴定提供了新的模型。凋亡蛋白通过调节细胞的

6、增殖和死亡控制正常组织的动态平衡。凋亡蛋白的功能和它们的亚细胞定位有着密切关系。尽管鉴定凋亡蛋白亚细胞定位的计算方法有很多，但是其预测准确率仍有提高的空间。本研究捕获并整合了蕴含于蛋白质氨基酸序列中的多种特征开发了新方法iAPSL-IF，这些特征基于氨基酸序列的马尔科夫链(Markovchains)、物理化学性质矩阵(physicochemicalpropertymatrices)和PSSM中提取得到。不同维度的矩阵通过自负协方差变换(autocrosscovariance,ACC)法转换为固定长度的特征向量。用RFE法选择特征向量的最优1特征子

7、集，并用SVM分类。本研究采用夹克刀交叉验证法基于三个数据集ZD98、CL317和ZW225测试iAPSL-IF的性能。结果显示，iAPSL-IF优于文献报道中的方法：基于三个数据集的总体准确率分别为98.98%(ZD98)，94.95%(CL317)和97.33%(ZW225)；数据集中几类亚细胞定位蛋白质的马修斯相关系数、敏感性和特异性的范围分别为：0.92-1.0，94.23-100%和97.07-100%。本研究开发了一种基于序列、高通量、性能优越的凋亡蛋白亚细胞定位的方法，促进了对生物细胞程序性死亡的理解。蛋白质棕榈酰化是一种可逆的蛋白

8、质翻译后修饰，在蛋白质稳定性和亚细胞定位等方面发挥重要作用。本研究构建了一种预测蛋白质棕榈酰化位点的新模型(PSSM-CKSAAP-RF