基于添加功能位点信息的组合向量预测β-发夹模体.pdfVIP

内蒙青置业大学学报 OFINNERMONGOLIA JOURNAL 第31卷第3期 UNIVERSITYOFTECHNOLOGY 文章编号：1001—5167(2012)03一0001—09 基于添加功能位点信息的组合 向量预测13一发夹模体 贾少春，胡秀珍 (内蒙古工业大学理学院，呼和浩特。Ol0051) 摘要：一条蛋白质序列通常是用多种特征来表达的，因此使用简单的特征 参数对蛋白质结构进行预测，得到的效果往往不尽人意。在前人使用过的 预测B一发夹的特征参数基础上，将功能位点信息添加到特征参数中，共 同输入到支持向量机和随机森林两种算法，对4070条非冗余的蛋白质链 中的B一发夹模体进行了预测。支持向量机算法得到的预测精度80．2％， 相关系数0．60；随机森林算法得到的预测精度83．3％，相关系数O．66。 关键词：B一发夹模体；随机森林算法；预测的二级结构信息；自相关函数； 功能位点信息 中田分类号：0175 文献标识码：A 1 引 言 p一发夹是一种特殊的超二级结构模体。对于p—p超二级结构，如果两个反平行的p—strand被连 接多肽(10叩)连接，而且两个strand之间存在一个或多个氢键，则称这种超二级结构为8一发夹，否则称 为非p一发夹¨1。由于p一发夹是strand的简单排列，它们包含了丰富的折叠信息，B一发夹的正确预测 有助于折叠识别，对于简化未知结构序列中的折叠数相当重要旧．3j，因此预测B一发夹是一项非常有意 义的工作。 前人在B一发夹预测的研究过程中使用了不同的算法，对不同数据库中B一发夹模体进行预测，已 经取得了一系列较好的研究成果。2002年，Cruz等Mo使用人工神经网络(ANN)，对序列相似性小于 用ANN方法预测局域发夹和非局域diverging tum对2209个蛋白质中的B一发夹预测精度是75．9％。 发夹进行识别，5一f01d交叉检验的预测精度分别达到了83．1％和80．7％。 随着p一发夹预测研究的不断深入，构建更加合理的预测特征参数是提高预测精度的重要手段。本 收稿日期：201l—12—17 作者简介：贾少春，(1983一)，女，内蒙古工业大学在读硕士研究生 基金项目：国家自然科学基金资助项目 2 内蒙古工业大学学报 2012年 文采用了前人使用过的预测结果较好的预测特征参数如序列信息(位点氨基酸、位点亲疏水和表面可及 性值)和结构信息(预测的二级结构信息)，同时探索了添加功能位点信息的预测效果。发现特征参数中 添加功能信息是提高预测精度的发展趋势，而且频繁出现的功能模体信息经支持向量机(SVM)和随机 森林(RF)两种算法检验，有助于对B一发夹预测精度的提高。 2材料及方法 2．1 数据集 本文构建了一个序列相似性小于25％、分辨率高于3A的包含4070条蛋白质链的数据库。下面是 整理数据库的具体步骤： scop．mrc—lmb．c啪．ac．uk／scop／)。 4070条。 C表示两个B—stII蚰d之间的loop)。 共8800个，剩余的8117个为非B一发夹模体。 为了确定具体的研究对象，我们对新构建的数据集中不同loop长的模体进行了统计分析，具体分布 酸残基的模体作为研究对象，这一选取方式和前人的取法【57J一致。 姗 撇 撇 嘲 姗 蛐 。 l 2 3●567 8 910ll12BH1516171819如2