结构生物信息学5-二级结构预测.pptVIP

隐含层的神经元是完成从氨基酸序列到蛋白质二级结构映射的关键，这种映射是非线性的。通过隐含层的信息处理，可以检测残基及所处环境与二级结构的复杂关系。隐含层的神经元个数一般从2个变化到几十个，隐含层的神经元越多，则神经网络对训练实例的记忆能力越强，但是神经网络的推广能力将越弱，对新蛋白质二级结构预测的准确率越低。因此，在实际应用中需要通过大量实验，选择合适的隐含层神经元个数 神经网络具有应用方便、计算能力强、预测准确率较高的特点，网络一旦训练完毕，就可以进行快速预测。目前二级结构预测识别率不高的主要因素是许多预测方法没有使用足够的进化信息和全局信息。蛋白质序列家族中氨基酸的替换模式是高度特异的，如何利用这样的进化信息是二级结构预测的关键。 * 实际应用中最常见的综合方法是同时使用多个软件进行预测，通过分析各个软件的特点以及各个软件预测结果，最终形成二级结构一致性的预测结果。 将序列比对与二级结构预测相结合也是一种常见的综合方 该方法首先预测蛋白质的结构类型，然后根据不同结构类型蛋白质的二级结构形成规律预测新蛋白质的二级结构，并根据结构类型解释预测结果 都是建立在假定蛋白质的二级结构主要是由局部氨基酸所决定，准确率都不超过65%。随着蛋白质进化信息、长程相互作用信息及全局信息的加入，蛋白质二级结构预测的准确率有了较大的提高。 * 第一步：对于一个待预测的蛋白质，首先利用BLAST在