演化式计算辅助整合特徵模型预测蛋白质瓜胺酸化位置.PDF

TANET2013臺灣網際網路研討會- 【論文集】 演化式計算輔助整合特徵模型預測蛋白質瓜胺酸化位置 陳啟瑋 洪慧芝 朱彥煒 國立中興大學基因體暨生物資訊學研究所 ywchu@nchu.edu.tw 摘要 將受質蛋白質上，帶正電荷的精胺酸轉變成中性不 帶電的瓜胺酸，可能造成蛋白質的構型改變，進而 蛋白質瓜胺酸化 (Citrullination) 藉由胜肽精胺 失去蛋白質原有之功能。蛋白質瓜胺酸化所牽涉的 酸脫亞胺酶 (Peptidylarginine Deiminase ，PAD) 將受 生理過程包括：上皮終端分化(Epithelial Terminal 質蛋白上的精胺酸轉變成不帶電的瓜胺酸，瓜胺酸 Differentiation) 、神經生長、胚胎發育、基因表現之 化與類風濕性關節炎、多發性硬化症和阿茲海默症 調節 (Gene Expression Regulation) 及細胞凋亡 等疾病有關。由於受限於目前的資料量，現今尚未 (Apoptosis) 。而病理表現則目前已知與類風濕性關 有針對瓜胺酸化的相關工具提供使用。因此，本研 節炎、多發性硬化症和阿茲海默症 (Alzheimer s 究發展一套針對資料量不足情況下，使用機器學習 Disease) 等疾病有關[3, 5, 9-11] ，其中PAD4是唯一 建構預測模型之實驗方法，並用於發展蛋白質瓜胺 具有細胞核定位訊號(Nuclear Localization Signal) ， 酸化位置預測工具。從 8種特徵；文獻收錄之催化 可使蛋白經由膜孔到細胞核中，主要表現於淋巴細 規則、序列相似度、演化保留訊息、胺基酸理化和 胞、內皮細胞、單核細胞和巨噬細胞，此外，近幾 生化特性、二級結構、蛋白質不穩定結構及結構表 年的文獻指出，PAD4調節真核細胞中的基因的轉 面可接觸性，透過資料與編碼後產生解決出不同解 錄，並與 p53在 DNA修復都有密切的關係 [12] 。 決問題能力的預測模型，進而透過整合方式獲得進 然而，對於胜肽精胺酸脫亞胺酶，其受質之序 一步提升的預測能力。而在機器學習的過程中，要 列特定性以及蛋白質專一性，目前並不清楚，且其 如何調整適當的學習權重以獲得較佳的預測模 受質參與細胞內的調控路徑目前尚未全然釐清。若 型，本研究以基因演算法並支持向量機作為適性函 要進一步探究蛋白質瓜胺酸化所造成的結果，在生 數，挑選出適合之特徵權重最為訓練。其過程中並 物上之意義或與疾病之相關性，尚須鑑定蛋白質瓜 與前人文獻中之胜肽精胺酸脫亞胺酶催化規則有 胺酸化，進而了解其生物作用與功能途徑 [13] 。因 所呼應，最終生物意義並打破以往挑選最佳預測模 此有研究利用蛋白質陣列試圖尋找胜肽精胺酸脫 型方式，以模型學習過程及特徵重要性做為評估方 亞胺酶之受質 [14] 。但人類蛋白質數量龐大且生物 式。最終模型準確可達 Sn ：0.79 、Sp ：0.98 、Acc ： 實驗費時費力，若能藉由資訊的計算提供最有可能 0.89及 MCC ：0.79 。 之瓜胺酸化受質蛋白，可能將幫助實驗減少所需花 費的金錢與時間。 但目前也無相關工具輔助實驗設計，為此，本 關鍵詞 ：瓜胺酸化、胜肽精胺酸去亞胺酶