基于随机信号全序列特征的蛋白质亚细胞定位.pdfVIP

基于随机信号全序列特征的蛋白质亚细胞定位1 1, 2 1 1 肖绚 ，邵世煌 ，丁永生 1 东华大学信息科学与技术学院，上海（201620 ） 2 景德镇陶瓷学院机电学院，江西景德镇（333001 ） E-mail：shshao@ 摘 要：当今生物信息学领域中，蛋白质亚细胞定位是一个重要和富有挑战的工作。在伪氨 基酸成分和随机信号处理方法的基础上，本文提出了一种随机信号全序列特征的蛋白质亚细 胞定位方法。利用随机信号复杂度作为伪氨基酸成分，在Jackknife 和Independent 测试中比 以前的方法得到了更高的预测成功率。 关键词：蛋白质，亚细胞定位，随机信号处理，复杂度 中图分类号： TP384, TP311.12 1．引 言 细胞分室化是真核细胞进化中出现的一个历史性的事件。细胞分成不同的细胞器以后， 各个功能相关的蛋白质聚集在某个细胞器以内，从而完成特定的功能。对于蛋白质被分选到 特定的细胞器的过程和机制，人们并没有完全的了解。但是如果蛋白质被分选到错误的细胞 器中，该蛋白质较快被降解。因此了解蛋白质在细胞器的定位对于了解蛋白质的功能，了解 蛋白质的作用网络具有重要意义[1] 。即使对一个已经知道功能的蛋白质，了解它的亚细胞定 [2] 位对理解它特殊的酶通道也是有帮助的 。 传统的生物实验方法可以确定亚细胞的位置，如细胞分馏法、电子显微镜方法和荧光性 显微镜方法。但是这些方法耗时、价钱昂贵并且带有一些主观的假设和不确定性[3]，所以设 计有效的利用计算机来预测蛋白质亚细胞位置的方法是非常必要的。实际上蛋白质亚细胞定 [4] 位的计算机预测已经成为当前生物信息学的一个重要问题 。 目前已经有很多生物信息工具可以进行蛋白亚细胞定位的预测，例如，以往利用氨基酸 的组成、信号肽的预测、或者氨基酸序列组合顺序信息（如双氨基酸序列的组合信息等）来 预测。提高蛋白质亚细胞定位的精度，一个关键的问题是如何优化表达蛋白质的统计特性。 有两种常用的表达蛋白质的方法：连续模型和离散模型。连续模型就是用整个氨基酸序列表 示蛋白质，由于蛋白质序列在长度和氨基酸顺序上的巨大复杂性，很难对连续模型建立一个 [5] [6] 切实可行的预测器 。离散模型就是用氨基酸成分来表示蛋白质 ，Nakashima 等在1994 年 首先提出了用蛋白质的氨基酸组份和残基的发生频率来区分细胞内和细胞外蛋白质的算法， [7] 但对于细胞内的蛋白质没有进行细分 。 应该指出的是大部分现有的算法仅仅是建立在20个氨基酸成分的基础上。虽然这是一种 合理的近似方法而且确实也产生了一些很好的效果, 但是简单离散模型把所有的序列长度 和顺序信息都丢失掉了，而序列排序信息也是很重要的。在这方面一个重要的进步就是Chou 在2001年提出的伪氨基酸成分概念[8] 。伪氨基酸成分包括20 +λ个离散数字：前面20个离散 数字就是表示一般的氨基酸成分，从20 +1到20 +λ数字表示λ个从氨基酸序列中得到的 功能因子，如长度以及能反应序列排序效果的一些元素。伪氨基酸成分的提出极大地刺激了 [9] 蛋白质亚细胞定位的研究，如潘宇羲提出的利用随机信号的方法 。成功运用伪氨基酸成分 的关键在于优化选择能反应序列顺序和长度的影响因素，本文基于随机信号处理方法，首先 1本课题得到国家自然科学基金），教育部新世纪优秀人才支持计划（NCET-04-415 ），教育部高 等学校博士学科点专项科研基金资助课题（20030255009 ）的资助。