基于伪氨基酸组分含量的膜蛋白类型预测模式识别方法研究-生物医学工程专业论文.docxVIP

上海交通大学硕士学位论文摘要 上海交通大学硕士学位论文 摘要 基于伪氨基酸组分含量的膜蛋白类型预测 模式识别方法研究 摘 要 生物膜蛋白是一类十分重要的蛋白质 当前膜蛋白功能研究是 生物信息学和蛋白组学研究领域中的一个新兴热点 而膜蛋白类型 预测则是研究其功能的一个重要环节 根据膜蛋白和脂双层直接相 互作用模式 可将其分为以下五种类型 1 type I 类型膜蛋白 2 type II 类型膜蛋白 3multipass 类型膜蛋白 4lipid chain- anchored 类型膜蛋白 5GPI-anchored 类型膜蛋白 本文描述了 运用数字信号处理方法和模式识别分类算法 从理论和实验方面对 膜蛋白部分序列顺序Quasi Sequence Order信息进行提取和分类 预测方法的研究 基于蛋白质氨基酸组分含量 目前已提出了许多预测膜蛋白类 型的算法 预测结果表明氨基酸组分与膜蛋白类型具有密切关系 但最终蛋白质分子特性是由氨基酸序列决定的 后来发展了通过引 入氨基酸部分序列顺序信息 基于伪氨基酸组分含量 Pseudo Amino Acid Composition预测成功率有了明显提高 本文继承了这一思 想 目标是发展一个氨基酸部分序列顺序特征提取的新方法和分类 算法 因此本文作者首先介绍了信号处理技术和模式识别分类器的 基本概念和数学基础 之后将傅立叶变换 自相关函数 谱分析和 马氏距离判据 协方差判别式算法以及基于统计学习理论的支持向 量机用于膜蛋白类型预测 讨论膜蛋白序列特征提取和分类预测问 题 给出算法实现的原理和框架 最后分别通过实验数据检验 给 出预测结果 并进行了讨论 论文的主要贡献在于 探讨了利用自相关函数和谱分析方法实 现了氨基酸部分序列顺序特征提取的新方法 以及马式距离判据 协方差判别式算法和支持向量机在膜蛋白类型预测中的应用 本文从 SWISS-PROT 数据库中选取了 2059 个训练集和 2625 个 检验集膜蛋白序列数据 并对数据进行同源分析 以氨基酸残基疏 水值对膜蛋白序列进行编码 运用信号处理中的谱分析方法提取氨 基酸序列顺序特性的主成分 加上 20 种基本氨基酸组分含量 构成 20+ 取 20维的特征向量 即伪氨基酸组分含量 表征相应 的膜蛋白 将此特征向量作为模式识别分类器输入并进行预测 实 验结果为马氏距离预测成功率为 76.6%Self-consistency73.2% %%Independent dataset和 67.6%Jackknife 协方差判别式预测成 功率为 87.2 Self-consistency 83.8 Independent dataset 和 78.5% % % Jackknife 支持向量机预测成功率为 83.5%Self-consistency 82.6%Independent dataset和 76.5%Jackknife该方法是对现 存方法的有益扩展,也适用于蛋白质结构类预测与亚细胞定位分析 关键词 生物膜蛋白 伪氨基酸组分含量 谱分析 马氏距离判据 协方差判别式算法 支持向量机 A Thesi A Thesis Submitted for the Degree of Master of Shanghai Jiaotong University ABSTRACT THE RESEARCH OF PATTERN RECOGNITION METHODS FOR THE PREDICTION OF MEMBRANE PROTEIN TYPES BASED ON PSEUDO AMINO ACID COMPOSITION ABSTRACT Biological membrane protein is one of the most important proteins in organism. Prediction of membrane protein types is becoming one of the growing hotspots in bioinformatics and proteomics and a big step to understand the function of membrane proteins. Membrane proteins can be classified into the following five types: (1) type I membrane proteins; (2) type II membrane proteins; (3) multipass