蛋白质27类折叠子序列的特征分析和预测.pdfVIP

内蒙古工业大学学报 JOURNAL OFINNERMONGOLIA UNIVERSITY OFTECHN()LOGY 文章编号：1001—5l67(2009)04—0268—06 蛋 白质27类折叠子序列的特征分析和预测 张，14光，胡秀珍 内蒙古工业大学理学 院，呼和浩特 010051) 摘要 ：通过对27类蛋白质折叠子的统汁分析，发现位点氨基酸及氨基酸二肽组分 可以在一定程度上反映蛋 白质折叠子信息．文中采用整体分类策略．基于离散增量 的方法分别以位点氨基酸、氨基酸二肽组分等信息为参数对27类蛋 白质折叠子进 行了识别研究．为了进一步提高识别的精度 ，以次邻二肽组分、氨基酸组分、亲疏水 和极性氨基酸组分共同作为参数，得到了较好 的识别结果． 关键词 ：离散量；离敞增量；蛋白质折叠子 中图分类号 ：Q61 文献标识码 ：A 0 引 言 蛋白质的折叠子类是介于蛋 白质二级结构和高级结构之间的一个结构层次，折叠子反映了一个蛋 白质核心结构的拓扑结构模式．许多研究表明，蛋 白质的折叠、结构与功能具有很高的一致性 ，特定折叠 于行使特定的生理功能，某些折叠于的错误折叠可引发疾病，如疯牛病，阿兹海默氏症等 ．然而国内 外对多类折叠子的理论识别研究进展一直很缓慢，近年来才得到学者们的重视．2001年Ding＆ Dubchak 选取氨基酸组分、范德瓦尔斯齄、二级结构、亲疏水、极性等参数，用神经网络和支持 向量机 的方法对多类折叠子进行了研究，采用 “一对一”分类策略识别时精度达到了56 ．2003年Chung“等人 用神经网络和支持 向量机方法对折叠子的识别精度为44．2 ．2006年Shen Chou 选取赝氨基酸组 分做参数，采用全体分类法对27类折叠子的识别精度为62．1 ．Zhang踟、Shi采用支持向量机的方法 分别选用 “唯一的--X~多”和 “一对一”分类策略对27类折叠子的最高识别精度为41．9195／和61．04 ．总 之，一些识别方法着重于分类策略的研究，另一些则着重于算法的改进和参数的选取． 本文通过对27类折叠子的统计分析 ，发现位点氨基酸及氨基酸二肽组分可 以在一定程度上反映蛋 白质折叠子信息，因此在识别参数中增加了位点氨基酸和氨基酸二肽组分 ；同时也选取了其它文献中使 用过的氨基酸组分、亲疏水、极性氨基酸组分等参数．基于整体分类策略，用离散增量的方法对27类蛋 白质折叠子进行了研究，当融合上述各种参数共同作为识别参数时，对27类折叠子的识别结果较好． 1 材料和方法 1．1 数据库 本文使用的数据库最早由Ding．Dubchak 描述，后来被Shen＆．Chou 使用，Zhang 和Shi0也 使用此数据库对27类折叠子进行了研究．数据库中训练集和检验集样本数 目分别是 313和385，样本序 列同源性低于35 ．但训练集中的样本2SCM —C、2GPS和测试集中的样本2YHX 1、2YHX 一 一 2找不到 + 收稿 日期：2008—04—09 基金项 目：内蒙古自治区高等学校科学研究项 目(NJZYO8O59) 作者简介 ：张怀光 (1983～)．男．内蒙古工业大学理学院．硕士研究生． 通讯联系人 ：E—mail：hxz@imut．edu．cn 第4期 张怀光等 蛋 白质 27类折叠子序列的特征分析和预测 记录，因此去除这四条样本得到 的训练集和检验集的样本数 目分别是31l和383． 数据库的训练集和检验集样本在SCOP库中分别被分成27类折叠子，详见表 1．数据库训练集样本 1GP1A和4CPA I的序列中分别含有一个x和两个z，检验集样本lWGT—A1和lESt一2的序列中 分别含一个x和一个空格 ，本文整理数据库过程 中，将以上序