蛋白质亚细胞定位方法研究和网络预测平台构建.pdfVIP

监白质Ⅱ细胞定位方法研究和例络预测·卜台构建 摘饕 摘要 蛋白质要参与正常的生命活动，必须处于特定的细胞内区域(如细胞核、线 粒体、细胞质等)；其实验定位方法大致有以卜三种：(1)细胞分馏法；(2)电 子显微法；(3)荧光显微法等。这些实验方法不但费时，其难度也很大。基于机 器学习理论的计算方法具有快速、自动的优点，尤其适用于高通量分析大规模基 因序列数据，因此基于机器学习的预测方法在近年得到了快速的发展。本文提出 了一种蛋白质弧细胞定位的新预测算法LOCSVMPSI。该算法基于支持向量机和由 算法在同一数据集卜的预测精度。在PK2427数据集上的交叉验证中， LOCSVMPSI的预测精度也高于以前提出的基于SVM的算法。在更多数据集上 的实验证实了LOCSVMPSI算法比现在广泛使用的蛋白质亚细胞预测算法，诸 LOCSVMPSI是一个功能强大的蛋白质亚细胞定位预测算法。 随着网络技术的发展与普及，越来越多的生物信息学预测方法，都通过网络 的方式向国际同行提供online预测服务和资源共享，这也是检验我们所设计的 预测算法是否成功的最好途径。因此，我们在亚细胞定位中算法研究成果的基础 上，构建了webserver，以利于学术交流和预测服务。服务器的地址为： 蛋白质Ⅱ钏胞定位方法研究和网络预测平台构建 摘要 Abstract as Subcellularlocationol、a isoneofthe functionalcharacters protein key mustbelocalized atthesubcellularleveltohavenormal proteins correctly biological function．Inthis novel namedLOCSVMPSihasbeen thesis，amethod introduced， whichisbased onthe vector the supportmachine(SVM)andposition—specificscoring matrix a testontheRH2427 from ofPSI·BLAS工With generatedprofiles jackknife data achieveda overall of is 90：2％，which set，LOCSVMPSI predictionaccuracy high thanthe SubLocand onthisdataset．In higher results ESLpred addition， predict!onby ofLOCSVMPSlwasevaiumedwith5-foldcrossvalidation performance prediction testonthePK7579datasetandt