联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基-生物信息学专业毕业论文.docxVIP

研究生优秀毕业论文 联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基目录 联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基 目录 摘要 i Abstract．．．．．． ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． ．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．． ． ． ．．．．．．．．．．．．． ．．．．．． ．．．．．．．．ii 缩略语表 ．iv l 弓I言 一1 1．1核酸绑定蛋白的生物学意义 ．1 1．2研究核酸绑定蛋白的实验方法以及相关数据库 ．2 1．2．1 EMSA和Pull．down实验 3 1．2．2 x射线晶体衍射和NMR 3 1．2．3核酸蛋白复合物数据库 一3 1．3研究核酸绑定蛋白质的生物信息学方法 ．4 1．3．1特征驱动方法 ．．4 1．3．2模板方法 一6 1．3．3特征驱动方法和模板方法的联合 一7 1．4本研究的目的与意义 ．8 2基于结构信息预测RNA绑定残基 10 2．1 前言 ～10 2．2材料与方法 10 2．2．1数据来源 10 2．2．2特征值的选取 13 2．2．3特征驱动方法的构建 16 2．2．4模板方法的构建 1 6 2．2．5最终的预测模型 16 2．2．6预测效果评价 17 2．2．7与其它基于结构信息算法的比较 18 23结果与分析 19 2．3．1 RNA绑定残基的特征描述 ．．19 2．3．2采用RB264评价特征驱动方法 21 2．3．3采用RB264评价模板方法 22 万方数据 华中农业大学2015届硕士研究生学位论文2．3．4采用RB264评价整合方法 华中农业大学2015届硕士研究生学位论文 2．3．4采用RB264评价整合方法 23 2．3．5采用RB264评价其它独立和综合的算法 24 2．3．6对游离态和结合态结构数据集进行独立测试 25 2．3．7对真实的和模拟的结构数据集进行独立测试 26 2．3．8对不同功能RNA结合的蛋白质数据集进行独立测试 ．．28 2．3．9对基准数据集RB44进行独立测试 ．29 2．3．10本章算法的局限性 30 2．4，J、结 ．．3 1 3基于序列信息预测核酸绑定残基 一32 3．1 前言 32 3．2材料与方法 32 3．2．1数据来源 32 3．2t2基于序列信息的残基描述 34 3．2．3 SNBRFinderF：基于序列信息的特征驱动方法 ．．37 3．2．4 SNBRFinderT：基于序列信息的模板预测方法 。37 3．2．5 SNBRFinder：基于序列信息的联合方法 37 3．2．6测试过程和评价方法 38 3．3结果与讨论 38 3．3．1 应用5倍交叉验证方法评价特征驱动算法 3 8 3．3．2不同的机器学习算法和训练集对于特征驱动方法的影响 ．40 3．3．3应用5倍交叉验证方法评价模板方法 41 3．3．4应用5倍交叉验证方法评价联合策略 42 3．3．5 使用不同数据集评价上述预测模型 43 3．3．6与其它序列和结构方法进行比较 44 3．3．7与基于结构模型构建的预测方法进行比较 ．46 3．3．8与现有序列方法进行比较 47 3．3．9采用非核酸绑定蛋白数据集评价本章算法 49 3．4，J、结 ．．5 l 4总结与展望 一52 参考文献 53 附录 57 万方数据 联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基攻读硕士期间发表的论文 联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基 攻读硕士期间发表的论文 65 致谢 66 Ill 万方数据 联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基摘要 联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基 摘要 蛋白质一核酸相互作用在基因表达和调控等诸多生命过程中发挥着极其重要的 作用，利用计算方法准确识别蛋白质中与核酸发生物理接触的区域有助于阐明这类 相互作用机制。目前大多数算法仅独立地采用特征驱动方法或模板方法预测核酸绑 定残基，但是其预测精度仍有待提高。针对现有算法的不足，本研究通过联合上述 两种策略，分别构建了基于结构信息和基于序列信息的混合算法。 RBRDetector算法结合蛋白质结构的局部相似性和全局相似性构建RNA绑定残 基的预测模型。具体而言，基于蛋白质局部相似性，开发了一种特征驱动的预测方 法。该方法抽取了残基的进化保守性、局部几何指标、网络拓扑指标等属性，并将 这些属性联合残基的局部微环境组成支持向量机的输入特征。同时，利用RNA绑定 蛋白的全局相似性，开发了一种基于结构比对的模板方法。该方法将查询蛋白与模 板库中的RNA绑定蛋白质进行结构比对，选择最优的模板构建预测的蛋白质一RNA 复合物，进而利用该复合物识别相应的绑定