基于序列关联的蛋白质亚细胞定位识别.docVIP

Hans Journal of Computational Biology 计算生物学, 2011, 1, 1-3 /10.12677/hjcb.2011.11001 Published Online September 2011 (/journal/hjcb/) Recognition of Subcellular Localization of Proteins Using of Sequences Fusion Yun Jia Department of Physics Experiment, School of Basic Science Inner Mongolia University of Technology, Hohhot Email: yunbao2004haijun@163.com Received: Sep. 18th, 2011; revised: Sep. 27th, 2011; accepted: Sep. 29th, 2011. Abstract: Functional annotation of unknown proteins is a major goal in proteomics. A key annotation is the prediction of a protein’s subcellular localization. We used the method of Increment of Diversity with Quad- ratic Discriminant analysis (IDQD) to predict subcellular localization of proteins which are recognized by the four plant categories and three non-plant and obtained accuracy 87.4(±0.5)% and 91.2(±0.2)%, respectively in 5-fold cross-validation test. Our result is better than comparable existing methods. Keywords: Subcellular Localization; F-Value; Quadratic Discriminant Analysis 基于序列关联的蛋白质亚细胞定位识别 贾 芸 内蒙古工业大学理学院物理实验中心，呼和浩特 Email: yunbao2004haijun@163.com 收稿日期：2011年 9月 18日；修回日期：2011年 9月 27日；录用日期：2011年 9月 29日 摘 要：对未知蛋白的功能注释是蛋白质组学的主要目标。一个关键的注释是蛋白质亚细胞定位的预 测。应用基于序列关联的二次判别分析方法进行蛋白质亚细胞定位预测，对 4 个植物定位类型进行 5-fold交叉检验。 关键词：亚细胞定位；F值；二次判别分析 1. 引言 共 4 类 940 个蛋白质序列，包括叶绿体 (chloroplast transit peptide, cTP)，线粒体 (mitochondrial targeting peptide, mTP)，分泌途径(secretory pathway signal pep- tide, SP)和其它(other, OT)等 4个类别。SP类由内质网 (endoplasmic reticulum, ER)，细胞外(extracellular space, EX)，高尔基体(golgi apparatus, GO)，溶酶体(lysosome, LY)，质膜(plasma membrane, PM)和液泡(vacuole, VA) 等类别组成.OT类由细胞质和细胞核蛋白组成.各类别 的蛋白序列数详细情况见表 1。 在后基因组时代随着蛋白质序列雪崩式的被测 出，各种基于序列信息的方法被用于预测蛋白质亚细 [1,2] 胞定位识别 。本文作者在研究生学习期间工作的基 础上继续引入了 F值参量结合多样性增量进行二次判 别分析(IDQD) 方法对蛋白质亚细胞定位进行预测获 得了一系列结果。 [3] 2. 数据集与方法 2.1. 数据集 Table 1. The number of protein sequences listed for each dataset according to localization [4] 本文使用了与 TargetP 相同的数据集 (http:// 表 1. 依据亚细胞定位分类序列数