一种预测木聚糖酶最适温度的 PCANN 模型.PDF

第 28 卷 　第 1 期 华 侨 大 学 学 报 ( 自 然 科 学 版 ) Vol . 28 　No . 1 　 　 　2007 年 1 月 J ournal of Huaqiao U niver sit y (Nat ural Science) J an . 2007 　 文章编号 : 　100050 13 (2007) 0 1005504 　 一种预测木聚糖酶最适温度的 PCA NN 模型 张光亚 , 葛慧华 , 方柏山 (华侨大学 材料科学与工程学院 , 福建 泉州 36202 1) 摘要 : 　采用主成分分析法对样本数据集进行预处理 ,将得到的新样本数据集输入神经网络 ,构建 F/ 10 家族 ( ) 木聚糖酶氨基酸组成和最适温度的主成分分析神经网络 PCANN 模型. 结果表明 ,当学习速率为 0 . 07 、动态 参数为 0 . 8 、Sigmoid 参数为 0 . 96 ,隐含层结点数为 5 时 ,模型对温度拟合的平均绝对百分比误差为 4 . 97 % , 绝对误差为 3 . 03 ℃. 同时 ,方法具有 良好的预测效果 ,预测的平均绝对百分比误差为 4 . 68 % ,平均绝对误差 为 3 . 55 ℃. 关键词 : 　主成分分析 ; B P 神经网络 ; 木聚糖酶 ; 最适温度 ; 虚拟筛选 中图分类号 : 　Q 550 . 3 ; Q 811. 2 11 ; TP 183 文献标识码 : 　A ( ) ( ) 设计具有新特性的蛋白主要有两种方法 ,即理性设计 定点突变法 和非理性设计 定向进化法 . 定 [ 1] 点突变在一次循环中仅能对一个位点进行突变 ,当靶 目标超过 3 个时 ,其效率急剧下降 . 而且 , 由于对 定点突变结果的预测能力有限 ,对每个突变体要用实验一一验证 ,方可判断是否达到所需目标 ,从而降 低了工作效率 ,限制了筛选通量 ,制约了突变的序列范围. 定向进化虽然取得了不少成功的例子[23 ] ,但 ( 7 ) [4 ] 其受限于实验所能筛选的序列的数量 高通量筛选可达 10 . 因此 ,筛选往往成为定向进化的瓶颈 . 计算机技术的迅猛发展使其开始应用到筛选过程 ,其最大筛选的序列库可达 1080 ,极大增加了获得新蛋 白的几率[ 5 ] . 目前已有一些应用成功的例子[ 67 ] ,算法和数学模型是其核心. 本文利用 F/ 10 家族木聚糖 酶信息及其对应的最适温度 ,采用主成分分析的B P 神经网络 ,建立了预测其最适温度的模型. 该模型 具有较高的拟合和预测精度 ,可望用于对木聚糖酶的改造过程中的计算机虚拟筛选. 1 　材料与方法 1 . 1 　数据来源 F/ 10 家族木聚糖酶的序列来源于 Swi ssProt Relea se 44 . 4 (2004 - 08 - 3 1) ;木聚糖酶最适 p H 值 的数据来源于文[ 8 ] ,最适温度均为实验所得数据. 23 个木聚