基于多尺度多特征的固有不规则蛋白质结构预测方法研究-模式识别与智能系统专业论文.docxVIP

万方数据 万方数据 Classified Index: U.D.C: A Dissertation for the Degree of D. Eng Research on IDPs Prediction Based on Multi-scales and Multi-features Candidate: Ruolei Chen Supervisor: Prof. Kejun Wang Academic Degree Applied for: Doctor of Engineering Specialty: Pattern Recognition and Intelligent Systems Date of Submission: Sept. 1, 2013 Date of Oral Examination: Nov. 14, 2013 University: Harbin Engineering University 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完 成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。 除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作 品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 本人完全意识到本声明的法律结果由本人承担。 作者（签字）： 日期： 年 月 日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文 工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门 或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入 有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论 文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写 的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用 本声明。 本论文（□在授予学位后即可 □在授予学位 12 个月后 □解密后）由哈尔滨工 程大学送交有关部门进行保存、汇编等。 作者（签字）： 导师（签字）： 日期： 年 月 日 年 月 日 基于多尺度多特征的固有不规则蛋白质结构预测方法研究 摘 要 固有不规则蛋白质（Intrinsically Disordered Proteins，IDPs）的发现为蛋白质家族增 添了新的生命力，它能够以灵活、可变的结构状态承担生物体内的多种生物功能，它的 存在打破了经典的蛋白质结构范式。因此，对 IDPs 结构的研究在蛋白质学科的发展中 具有“革命性”意义。 目前，IDPs 研究领域存在着如已知的 IDPs 数量较少、IDPs 的折叠机理尚不清晰等 许多问题，而 IDPs 结构预测模型则成为解决这些问题的有效工具之一。本文以氨基酸 序列数据为基础，研究了 IDPs 结构预测建模中特征选择与预测模型建立的方法。具体 研究内容如下： （1）提出一种动态的滑窗尺度选择方法。针对现有滑窗尺度选择方法不能满足 IDPs 多尺度特性需要、且具有极强主观性的问题，本文提出一种动态的滑窗尺度选择方法。 考虑到 IDPs 的多尺度特性，将氨基酸序列进行各种尺度的解耦。首先，利用差异度度 量法度量基于不同滑窗尺度的基模型间的相关程度，给出滑窗尺度的选择准则。然后， 利用贪婪算法，搜索能够产生较大差异的滑窗尺度，建立 IDPs 结构预测建模。实验验 证了本文提出方法的合理性。 （2）分析氨基酸的结构倾向程度，给出一个新的特征参数——结构倾向度。蛋白 质的结构信息隐藏在氨基酸序列中，氨基酸的结构倾向程度是这些特征信息的外在表现 形式。为了更好地表征隐藏在氨基酸序列中的特征信息，本文对氨基酸的结构倾向性进 行分析，并提出一个新的特征参数——结构倾向度。考虑到氨基酸间的相互作用，本文 以双肽氨基酸作为研究对象。利用统计概率的知识，定量地刻画每种双肽氨基酸形成不 同结构的能力，并构造出一个 20*20 的打分表。然后，利用这些分值建立基于氨基酸结 构倾向度的 IDPs 结构预测模型。实验验证了基于结构倾向度的特征信息在 IDPs 结构预 测建模中的有效性。 （3）构造 IDPs 结构预测建模中的特征组。目前，IDPs 的折叠机理尚不清晰，现有 的特征信息与 IDPs 结构形成之间存在着很大的不确定性。为了降低这种不确定性，本 文提出为 IDPs 结构预测建模构建预测特征组的方法。首先，考虑到 IDPs 结构信息的多 尺度特性，本文将长、短不规则结构区域作为两个独立的对象看待。然后，利用信息论 的知识，分别计算现有的每一种属性在预测两种不规则结构类型时的能力。进而，选择 预测能力较强的属