基于支持向量机的脂肪酶耐热序列与嗜热序列分类研究-中南大学学报.pdfVIP

第 42卷第 9期 中南大学学报(自然科学版)  Vol.42  No.9  2011 年 9 月  Journal of Central South University (Science and Technology)  Sep. 2011  基于支持向量机的脂肪酶耐热序列与嗜热序列分类研究 赵伟，许尤厚，郑甲，王玉光，周洪波  (中南大学 资源加工与生物工程学院，湖南 长沙，410083)  摘要：从 GenBank数据库中获取了微生物来源的嗜热脂肪酶序列 77条，耐热脂肪酶序列 65条，分别统计分析序 列中 20 种氨基酸出现的频次，二肽片段、三肽片段出现的差异以及非相邻二元组合的偏爱性。在此基础上，利 用支持向量机(SVM)进行序列分类研究。研究结果表明：在统计学意义上，20种天然氨基酸残基中，亮氨酸、脯 氨酸、蛋氨酸、苯丙氨酸、色氨酸和酪氨酸在嗜热蛋白序列中出现的频率高于其在耐热蛋白中出现的频率；二肽 片段 KC，EE，KE，RE, VE, YI, EK, VK, EV, YV, EY, KY, VY  和 YY 的出现频率在嗜热蛋白中显著高于其在耐 热蛋白中出现的频率。三肽片段的出现频率和非相邻二元组合的序列偏爱性也显示与蛋白耐热性显著相关。训练 集的分类准确率达 99.65%，真实数据集的分类准确率达到 98.41%。 关键词：氨基酸组成；多肽片段；非相邻二元组合；蛋白质热稳定性；支持向量机 中图分类号：Q816  文献标志码：A  文章编号：1672−7207(2011)09−2543−08  Classification of thermostable and thermophilic lipases using  support vector machines  ZHAO Wei, XUYou­hou, ZHENG Jia, WANG Yu­gang, ZHOU Hong­bo  (School of Minerals Processing and Bioengineering, Central South University, Changsha 410083, China)  Abstract: The amino acid compositions, the distributions of N(N 2, 3) neighboring amino acids and the non­adjacent  di­residue coupling patterns in the sequences of 65 thermostable and 77 thermophilic lipases getting from GenBank were  systematically analyzed. Based on the information, a statistical method based on support vector machines (SVMs) for  discriminating thermophilic and thermostable lipases was developed. The results show that hydrophobic residues Leu,  Pro, Met, Phe, Trp, as well as the polar residue Tyr have higher occurrences in thermophilic lipases than thermostable  ones. The occurrences of KC, EE, KE, RE, VE, YI, EK, VK, EV, YV, EY, KY, VY and YY in thermophilic proteins are