基于HM-SVM的蛋白质相互作用位点预测-生物信息研究组-哈尔滨.pptVIP

* 我将分六部分汇报我的博士论文工作， 下面是报告的主要内容：首先是绪论、介绍课题研究的背景、目的和意义； 然后是我博士论文的主体内容，包括：。 最后是论文的结论 * * 我现在已经做了XX个系统，学术界在使用我的系统，这些系统在功能与性能上不能满足大规模实际产业应用需要，缺少易用的公共支撑的模块。这个项目的主要工作之一就是进行工程化开发。搭建一个服务平台。 * 1---A--首先介绍项目所属的技术及应用领域，项目直接瞄向计算机辅助药物设计，CADD。CADD是指随着基因组学和蛋白质组学的研究，使得可以从分子层面上，通过计算的方式来进行靶蛋白和药物复合物的筛选与设计。靶蛋白是指具有药效功能并能被药物作用的蛋白质。因此从计算机技术角度来讲，会涉及大量分析算法、模型和计算方法。 B--CADD的应用领域越来越多，例如生物、制药等。典型问题包括分子模拟、结构预测等，这些问题都可以通过高性能计算和智能化分析算法预测。。 生物医药产业是国家也是深圳市战略性新兴产业之一，并陆续出台了一系列政策，所以对CADD的需求特别大。 2-----本项目研究的重点是蛋白质结构和功能预测。在海量的分子中，找到可以与靶蛋白在结构和功能上具有可药性的分子。这种关系就像钥匙和锁的关系一样。CADD可以高效精准的找到能开锁的钥匙。 * 相对于传统制药方法，CADD具有极强的优越性，这也是为什么国际领先药厂普遍采用CADD技术进行药物研发。 CADD利用高性能计算、智能分析算法和模型，对海量分子数据进行搜素、筛选、分析、计算，从而大大提高药物设计的性能和精度。（结合图） 由于遍历了全部分子避免了人工基于经验的挑选，所以更加精准。 大范围的产业应用后，计算量大，可以放到超算上用。 * * 基于HM-SVM的蛋白质相互作用位点预测 在混合I数据集上滑动窗口大小对HM-SVM预测结果的影响 * 基于HM-SVM的蛋白质相互作用位点预测 非同源性复合物I数据集上的预测实例。 CRF预测结果 HM-SVM预测结果 ANN预测结果 正确位点 SVM预测结果 * 基于HM-SVM的蛋白质相互作用位点预测 同源性复合物I数据集上的预测实例。 CRF预测结果 HM-SVM预测结果 ANN预测结果 正确位点 SVM预测结果 * 报告内容 蛋白质功能结构预测的意义 蛋白质远程同源性检测 蛋白质相互作用位点预测 DNA结合蛋白识别 DNA结合蛋白识别方法 参考文献： Bin Liu*, Jinghao Xu,? Xun Lan, Ruifeng Xu, Jiyun Zhou, Xiaolong Wang, Kuo-Chen Chou, iDNA-Prot|dis: identifying DNA-binding proteins by incorporating amino acid distance-pairs and reduced alphabet profile into the general pseudo amino acid composition, PLoS ONE (In press) Bin Liu*, Jinghao Xu, Shixi Fan, Ruifeng Xu, Jiyun Zhou, Xiaolong Wang, PseDNA-Pro: DNA-binding Protein Identification by Combining Chou’s PseAAC and Physicochemical Distance Transformation. Molecular Informatics.(In Press) Ruifeng Xu, Jiyun Zhou, Bin Liu*, Lin Yao, Yulan He, Quan Zou and Xiaolong Wang, enDNA-Prot: Identification of DNA-binding Proteins by Applying Ensemble Learning. BioMed Research International, 2014: 294279? * * DNA结合蛋白识别方法 DNA序列 DNA结合蛋白 * 蛋白质相互作用位点研究现状 DNA结合蛋白识别方法 基于序列信息的预测方法 ACC、iDNA-Prot等 基于多序列比对的方法 DNA-binder等 基于结构信息的方法 Gao等人的方法 基于机器学习的预测方法 神经网络、支持向量机、随机森林等 基于氨基酸距离对的蛋白质表示形式 Given a protein sequence consisting of amino acids as formulated by