蛋白质复杂超二级结构βαβ模体的统计分析与识别-物理电子学专业论文.docxVIP

内蒙古 内蒙古工业大学硕士学位论文 内蒙古 内蒙古工业大学硕士学位论文 摘 要 在计算机技术和信息技术快速发展的高通量时代，随着已知结构蛋白质数量的 迅猛增加，从蛋白质的序列出发，通过理论计算方法对蛋白质的结构进行预测有着 更高的效率和更低的成本。复杂超二级结构模体的预测是预测蛋白质的空间结构和 功能研究的关键步骤。βαβ 模体是一种重要的复杂超二级结构。因此，准确预测蛋 白质复杂超二级结构 βαβ 模体，不仅对蛋白质的空间结构和功能研究有着重要的意 义，而且对分子药物开发设计等也有着重要的指导价值。本课题的研究工作是对复 杂超二级结构 βαβ 模体进行理论研究并预测。论文的主要工作分以下几个步骤： (1)本文首次对蛋白质复杂超二级结构 βαβ 模体进行识别。从已知模体结构的蛋 白质序列出发，整理出序列相似性小于 25%，分辨率高于 3? 的蛋白质 4442 个；使 用 DSSP 和 PROMOTIF 软件构建了 3 个复杂超二级结构 βαβ 模体数据集。 (2)通过对 3 个数据集的 βαβ 模体和非 βαβ 模体的核心结构 loop-helix-loop 的长 度和模体长度进行统计分析，确定了 loop-helix-loop 包含 10-26 个氨基酸的 βαβ 模 体和非 βαβ 模体作为研究对象；固定序列模式长为 32 个氨基酸。对 βαβ 模体和非 βαβ 模体采取 5 种片段截取方式，并统计分析每一位点的氨基酸保守性。 (3)以序列信息，预测的结构信息和功能信息共同作为预测参数，使用支持向量 机方法预测复杂超二级结构 βαβ 模体。比较三个数据集的五交叉检验和独立检验的 预测结果可以发现，公共数据集 SET3 的五交叉检验和独立检验预测都能达到好的 预测效果。SET3 的五交叉检验和独立检验的总精度分别为 85.9%和 83.7%，相关系 数分别为 0.72 和 0.67。可见由 DSSP 和 PROMTIF 软件共同确定的数据集(SET3) 更有利于复杂超二级结构 βαβ 模体的预测。同时可以发现，基于优化参数的支持向 量机算法能有效的预测复杂超二级结构 βαβ 模体。 (4)使用随机森林算法和支持向量机算法预测复杂超二级结构 βαβ 模体，并对相 同参数和相同的检验方法的预测结果进行了比较，随机森林算法的预测结果好于支 持向量机算法的预测结果。随机森林算法是多棵决策树通过投票给出最终结果，它 是一种组合分类器，其预测效果是单一分类器支持向量机算法所不及的。同时，由 于随机森林算法对高维特征参数具有预测优势，本文进一步采用添加位点亲疏水特 征的随机森林算法预测 βαβ 模体，其五交叉检验的总精度为 88.2%，相关系数为 0.76。 可见随机森林算法是一种预测蛋白质 βαβ 模体的有效方法。 关键字： βαβ 模体；复杂超二级结构；蛋白质；随机森林算法；支持向量机算法； 结构预测 Abstract In the rapid development high-throughput times of computer technology and information technology, with the increasing of known structure numbers, it has a higher efficiency and lower cost to predict the structure of the protein by theoretical calculation methods. The prediction of complex super secondary structure is a key step for tertiary structure research. βαβ motif is an important complex super secondary structure in proteins. Therefore, accurate prediction of βαβ motifs is not only very important to study tertiary structure and function of protein, and it also has important guiding value to drug molecules developed and designed. The main study of this paper is to predict the complex super secondary structure βαβ motifs. The introductions as follows step: W