蛋白质跨膜结构与二硫键连接模式研究论文.doc

上海交通大学硕士论文 蛋白质跨膜结构与二硫键连接模式研究  摘  要  蛋白质二级结构预测是分子生物学中的重要问题。随着 蛋白质序列数据的飞速增长，己知的蛋白质序列和已知的蛋 白质结构之间的差距不断增大，蛋白质结构的预测变得越来 越重要。在蛋白质二级结构中，跨膜蛋白的结构预测非常重 要。跨膜蛋白在生物体中担负着各种各样的重要功能：细胞 的运输，如将营养物质和一些无机电解质输入细胞，而将有 毒的或无用的代谢产物排出细胞；细胞膜内外信号的传递及 能量转换。研究发现，在基因组中，有大约 20%-30%的基因 产物被预测为膜蛋白，这样的比率显示了跨膜蛋白在生物体 中的重要性。此外，在药物研发过程中，膜蛋白偶联受体是 绝大多数药物的作用靶点。膜蛋白的预测研究方法经过几十 年的发展，从最开始的统计方法，到最近十几年大量使用的 智能方法，已经获得很大的提高。 二硫键是由蛋白质的两个半胱氨酸之间配对形成的一 种共价键，可以存在于同一条蛋白质多肽链内，也可以存在 于不同的多肽链之间。对于许多蛋白质而言，二硫键是它们 最终折叠产物的永久特征。二硫键的形成是蛋白质折叠过程 第 I 页 上海交通大学硕士论文 中的重要步骤，其形成动力学影响蛋白质折叠的速率和途 径，它的错误配对是影响蛋白质多肽链正确折叠的重要原 因。二硫键的存在对于维持蛋白质空间结构稳定性，保持其 生理活性具有至关重要的意义。 利用模式识别技术的生物信息学中，要解决蛋白质二硫键 结构连接模式的预测，需要解决如下几个问题：一是如何在 海量的数据集中提取用来作为输入的特征向量；二是如何采 用有效的降维方法降低输入特征向量的维数和冗余；三是使 用怎样的预测工具进行预测。 第一个问题关于提取特征。这项研究从很早以前就已经开 始。从早期蛋白质二级结构预测使用到的疏水性特征、氨基 酸组成成份，到后来使用到的 PSSM 矩阵向量等等。在本文 中，作者结合了 7 组不同的特征向量用于预测蛋白质二硫键 连接模式，它们包括：半胱氨酸偶联、20 种氨基酸组成成份、 半胱氨酸分离距离、半胱氨酸排序、蛋白质分子量、蛋白质 序列长度和蛋白质的二级结构信息。这些向量的总维数 623， 经过 PCA 的降维，维数降低到 300 和 500 维。 第二个问题关于特征降维。经过多年的发展，降维技术已 经非常成熟。现在比较常见的降维方法包括：(1)以主成分分 析(Principle Component Analysis: PCA)为代表的基于重构误 差分析的降维方法；(2)以线性判别分析(Linear Discriminant Analysis: LDA)为代表的基于类别信息获取最优分类方法的 第 II 页 上海交通大学硕士论文 降 维 方 法 ； (3) 以 独 立 主 元 分 析 (Independent Component Analysis: ICA) 为 代 表 的 降 维 方 法 ； (4) 以 局 部 线 性 嵌 入 (Locally Linear Embedding: LLE) 和 等 距 映 射 (Isometric Mapping: Isomap)为代表的基于流形学习的降维方法。本文将 采用 PCA 方法对 623 维向量进行降维。 第三个问题关于预测工具。目前生物信息学中经常使用到 的 预 测 工 具 包 括 ： (1) 支 持 向 量 机 技 术 (Support Vector Machine)；(2)人工神经网(Neutral Network)；(3)贝叶斯网络 (Bayesian)；(4)隐马尔科夫模型(Hidden Markov Model)。本文 使用支持向量机技术中的 SVR，即支持向量回归技术。 论文的主要创新点有以下几点： 对已有的蛋白质二级结构预测算法进行研究，将当前的 预测算法分为基于人工智能的方法和融合方法，完成对以往 方法的综述。同时也对特殊蛋白质结构——膜蛋白预测方法 进行了比较研究； 在蛋白质二硫键连接模式预测中，利用 PCA 降维技术， 对多重序列特征向量和二级结构信息特征向量进行特征降 维，然后将降维后的数据输入 SVR 分类器进行分类，提高了 预测正确率。 关键词：生物信息学、二硫键连接模式、主成分分析、膜蛋 白结构 第 III 页 上海交通大学硕士论文 The research upon prediction methods of Transmembrane Structures and disulfide connectivity patterns Abstract Prediction of Proteins secondary structure is an important issue in the molecular biology. Wit