学位论文 > 优秀研究生学位论文题录展示

蛋白质—核酸的相互作用特征分析及DNA和RNA结合蛋白的预测研究

作　者: 邹传新
导　师: 李洪林
学　校: 华东理工大学
专　业: 药学
关键词: 药物设计生物信息学 DNA结合蛋白 RNA结合蛋白机器学习
分类号: Q51
类　型: 硕士论文
年　份: 2013年
下　载: 196次
引　用: 0次
阅　读: 论文下载

内容摘要

蛋白质—核酸的相互作用与生物体内最基本的生命活动密切相关,例如：基因的转录和调控、DNA的复制和修复、DNA的重组和包装以及染色质和核糖体的形成等。这种能够与DNA/RNA相互作用的蛋白质称为DNA/RNA结合蛋白,它们对于研究疾病产生的原因和药物设计靶标至关重要。随着后基因组时代的发展和大规模基因组测序计划的实施,人类获得了越来越多的DNA/RNA结合蛋白的序列和部分蛋白质-DNA/RNA复合物结构数据。面对后基因组时代已有的海量蛋白质数据,首要的任务就是对其进行功能注释,然后才能开始进一步对生命本质的研究。由于蛋白质和核酸相互作用的机理仍未完全确定,采用生物信息学的方法去研究和分析已有的数据,并解释这一生物学现象的本质不失为有效的途径,如何从众多蛋白质数据中通过计算的手段识别能够与DNA/RNA结合的蛋白质为本文拟解决的关键核心问题。本文从生物信息学的角度出发,以蛋白质的序列信息为研究对象,采用机器学习的方法全面分析和考察不同种类的序列描述符,并分层次挖掘蛋白质的序列信息,以此建立高通量的预测DNA结合蛋白的模型。本方法对DNA结合蛋白模型的分类准确率达到0.940,马修斯相关系数(MCC)等于0.881,优于已报道的文献和方法。最后,我们将该方法用于RNA结合蛋白体系,进一步分析并总结RNA结合蛋白与DNA结合蛋白的异同。本文中,我们开发了一种全新的基于序列预测DNA/RNA-结合蛋白的方法。不仅为进一步通过计算研究蛋白质—核酸相互作用机理奠定了基础,还可作为实验研究的辅助手段,为分子生物学实验验证提供有益线索。此外,本文还开发了从不同尺度挖掘序列描述符的框架,为今后基于序列的蛋白质功能预测提供了参考和新的研究思路。

全文目录

摘要  5-6
Abstract  6-11
第1章蛋白质—DNA相互作用的研究背景  11-27
  1.1 蛋白质—DNA的相互作用  11-13
    1.1.1 蛋白质—DNA相互作用概述  11
    1.1.2 蛋白质—DNA相互作用形式  11-12
    1.1.3 蛋白质—DNA相互作用的研究方法  12-13
  1.2 DNA结合蛋白的特征  13-15
  1.3 生物信息学概述  15-16
    1.3.1 生物信息学介绍  15
    1.3.2 生物信息学与药物设计  15-16
  1.4 数据挖掘概述  16-22
    1.4.1 数据挖掘与生物信息学  16-17
    1.4.2 特征选择的方法  17-19
    1.4.3 非平衡数据问题  19-20
    1.4.4 集成学习方法  20-22
  1.5 研究现状  22-27
    1.5.1 机器学习的研究方法  22-23
    1.5.2 其他的计算研究方法  23
    1.5.3 DNA结合蛋白的研究资源  23-27
第2章 DNA结合蛋白的预测研究  27-52
  2.1 DNA结合蛋白的研究目的与思路  27-29
    2.1.1 研究目的  27
    2.1.2 研究思路  27
    2.1.3 支持向量机的介绍  27-28
    2.1.4 模型的评价方法  28-29
  2.2 材料与方法  29-41
    2.2.1 实验数据集  29-31
      2.2.1.1 主数据集1-DNAdset  30
      2.2.1.2 主数据集2-DNAaset  30
      2.2.1.3 独立测试集—DNAiset  30
      2.2.1.4 现实数据集—DNArset  30-31
    2.2.2 蛋白质序列特征提取  31-36
      2.2.2.1 氨基酸组成信息  31-32
      2.2.2.2 蛋白质的物理化学性质  32-35
      2.2.2.3 蛋白质的进化信息  35
      2.2.2.4 蛋白质的结构功能信息  35-36
    2.2.3 蛋白特征值转换方法  36-38
      2.2.3.1 OCTD转换方法  36
      2.2.3.2 ACC转换方法  36-37
      2.2.3.3 SAA转换方法  37-38
    2.2.4 最优描述符的挑选过程  38-40
      2.2.4.1 mRMR特征挑选方法  38-39
      2.2.4.2 IFS最优特征子集挑选  39-40
    2.2.5 集成学习过程  40
    2.2.6 试验方法的编程实现  40-41
  2.3 DNA结合蛋白的预测结果与讨论  41-52
    2.3.1 AC特征转换方法的结果  41-42
    2.3.2 描述符的初步考察  42-45
    2.3.3 特征挑选结果  45-46
      2.3.3.1 mRMR特征排序结果  45
      2.3.3.2 IFS特征挑选结果  45-46
    2.3.4 集成学习方法的结果  46-48
    2.3.5 独立测试集的结果  48
    2.3.6 DN-set数据集的结果  48
    2.3.7 与已报道方法的比较  48-50
    2.3.8 结果讨论  50-51
    2.3.9 本章小结  51-52
第3章 RNA结合蛋白的预测和分析  52-68
  3.1 背景介绍  52-56
    3.1.1 RNA结合蛋白的概述  52-53
    3.1.2 RNA结合蛋白的特征  53-54
    3.1.3 RNA结合蛋白的研究现状  54-56
  3.2 研究方法和材料  56-63
    3.2.1 数据集  56-57
      3.2.1.1 训练集RNAstset  56
      3.2.1.2 训练集RNAptset  56
      3.2.1.3 独立测试集RNAiset  56-57
    3.2.2 蛋白质的序列特征计算  57-60
      3.2.2.1 PSSM打分矩阵  57
      3.2.2.2 尺度特征描述符(scale-descriptors)  57-60
    3.2.3 PSSMP特征矩阵的定义  60-61
    3.2.4 滑动窗口提取特征方法  61-62
    3.2.5 RNA结合位点的预测模型  62
    3.2.6 RNA结合蛋白的预测模型  62-63
  3.3 模型评价方法  63
  3.4 结果与讨论  63-66
    3.4.1 RNA结合位点的预测结果  63-64
    3.4.2 RNA结合蛋白的预测结果  64-65
    3.4.3 DNA结合蛋白与RNA结合蛋白的特征比较  65-66
  3.5 本章小结  66-68
第4章全文总结及展望  68-70
参考文献  70-83
硕士期间发表论文情况  83-84
致谢  84

蛋白质—核酸的相互作用特征分析及DNA和RNA结合蛋白的预测研究

内容摘要

全文目录

相似论文