学位论文 > 优秀研究生学位论文题录展示

膜蛋白分类的特征提取算法和数据集构建技术研究

作　者: 曾聪
导　师: 王正华
学　校: 国防科学技术大学
专　业: 计算机科学与技术
关键词: 膜蛋白特征提取氨基酸残基指数自相关系数特征降维数据集构建准则
分类号: Q51
类　型: 硕士论文
年　份: 2010年
下　载: 36次
引　用: 0次
阅　读: 论文下载

内容摘要

膜蛋白作为生物膜的主要组成成分之一,在生物体中发挥着极其重要的作用。膜蛋白是膜功能的主要承担者,是细胞执行各种功能的物质基础。近些年的研究报道更加表明,某些膜蛋白结构或者功能的改变与人类疾病的产生有着密切的联系,相应受体膜蛋白也成为药物设计的重要靶点。故本文将膜蛋白作为研究对象。20世纪90年代初期提出的人类基因组计划(HGP),在全世界科学家的共同努力下取得了巨大的成就,促进了基因组学和蛋白质组学的极大发展。随着生物数据的海量增长,依赖计算机技术的生物信息学研究方法突破了以往的研究手段。通过膜蛋白的一级序列预测其所属类型以获取相关的高级结构和功能信息,从而解决其生物学问题,这是一项极其重要且具有挑战性的研究工作,也是全文研究的目的所在。用于膜蛋白分类预测的数据集整理与构建是整个分类模型的基础与前提,数据集构建得好坏决定了算法的准确性,是基于计算的膜蛋白分类问题研究的重要要素之一。膜蛋白序列的特征提取是基于计算的膜蛋白分类研究中最为基本的问题,也是决定分类质量的关键。本文分析了通用数据集构建准则,从SWISS-PROT数据库的最新发布中筛选出膜蛋白序列,构建了新的膜蛋白数据集;本文从膜蛋白的一级序列出发,研究了膜蛋白的结构、功能类型分类预测问题,总结了目前膜蛋白分类预测领域中已有的序列特征提取算法和分类算法,深入剖析了不同算法的数学原理,在此基础上,构造了一种新的膜蛋白特征提取方法;并在新构建的数据集上进行了新特征提取算法与其他膜蛋白分类模型的性能比较。1)构建新的膜蛋白序列数据集用于分类预测的膜蛋白来自蛋白数据库SWISS-PROT。目前通用的标准数据集CE2059和CE2625建立在SWISS-PROT 35.0(1997年)版本基础上。随着数据库的日新月异,蛋白质序列不断更新和发展,数据量和数据信息更新换代非常快,数据库中的蛋白质数量越来越多、规模越来越大、分类注释越来越精准。因此与时俱进的构建新数据集对于膜蛋白分类研究而言是一件工作量大、意义重大的事情。本文分析了通用数据集CE2059和CE2625的构建年限早和注释不全面等问题之后,从SWISS-PROT国际公共数据库最新发布版本SWISS-PROT Release 57.0(2009年)中,按照现有的公认的标准数据集构建准则筛选出符合标准的膜蛋白序列,收集整理成相应的新的较为完整和理想的标准训练数据集,为该领域做了很好的补充,为后续研究奠定了数据基础。2)基于多种氨基酸残基指数构建自相关系数的特征提取算法特征提取算法是膜蛋白分类问题的又一关键要素,它是决定分类质量的关键问题。为了能够获得具有更好分类性能的膜蛋白分类预测模型,本文考虑在序列氨基酸组分的基础上,加入序列氨基酸残基的顺序关联信息,从而更大限度地挖掘膜蛋白序列中蕴含的结构和功能信息。考虑膜蛋白序列中氨基酸残基的物理化学特性和长程相关性,提出了基于多种氨基酸残基指数构建自相关系数的特征提取算法,并进一步特征降维,实现维度优化以减少计算量。该模型采用新建膜蛋白序列数据集作为训练集,模型的自适应检验、Jackknife检验和独立测试集检验总体分类预测精度分别是96.78%、91.03%和86.93%,对比已有的膜蛋白分类预测模型,分类预测精度均获得普遍提高。这为进一步推动膜蛋白分类问题的研究打下了良好的基础。

全文目录

摘要  8-10
ABSTRACT  10-12
第一章绪论  12-21
  1.1 引言  12-13
  1.2 研究背景  13-18
    1.2.1 膜蛋白类型概述  13-16
    1.2.2 国内外研究现状  16-18
  1.3 本文主要工作及创新  18-19
  1.4 论文结构  19-21
第二章膜蛋白序列的特征提取和分类算法  21-32
  2.1 引言  21
  2.2 膜蛋白序列的特征提取算法  21-26
    2.2.1 基于氨基酸组成和位置的特征提取方法  22-23
    2.2.2 基于氨基酸物理化学特性的特征提取方法  23-25
    2.2.3 其它特征提取方法  25-26
  2.3 膜蛋白分类算法  26-29
    2.3.1 基于统计的分类算法  27-28
    2.3.2 基于机器学习的算法  28-29
  2.4 分类模型的检验与评估  29-31
    2.4.1 模型的检验  29-30
    2.4.2 模型的评估  30-31
  2.5 本章小结  31-32
第三章新膜蛋白序列数据集的建立  32-39
  3.1 数据集数据来源简介  32-33
  3.2 SWISS-PROT数据库的约定  33-35
    3.2.1 数据库的结构  33
    3.2.2 数据的级别  33-34
    3.2.3 序列条目的结构  34-35
  3.3 新膜蛋白数据集的建立  35-38
    3.3.1 数据集建立的准则  35-36
    3.3.2 CE2059 和 CE2625 的不足分析  36-37
    3.3.3 新数据集的建立  37-38
  3.4 本章小结  38-39
第四章基于多种氨基酸残基指数构建自相关系数多特征提取算法  39-49
  4.1 特征提取  39-41
  4.2 支持向量机  41-43
  4.3 特征降维  43-44
  4.4 实验结果与分析  44-47
  4.5 本章小结  47-49
第五章结束语  49-52
  5.1 本文工作总结  49-50
  5.2 下一步工作展望  50-52
致谢  52-54
参考文献  54-61
攻读硕士学位期间发表的论文  61-62
攻读硕士期间参加的科研工作  62-63
附录A 836 条 type I transmembrane proteins ID号  63-67
附录 B 165 条 type II transmembrane proteins ID 号  67-68
附录 C 4490 条 multi-pass transmembrane proteins ID 号  68-86
附录D 259 条 lipid-chain anchored membrane proteins ID号  86-87

相似论文

基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
Q学习在基于内容图像检索技术中的应用,TP391.41
直推式支持向量机研究及其在图像检索中的应用,TP391.41
中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
空间交会接近视觉测量方法研究,TP391.41
图像实时采集、存储与处理方法研究,TP391.41
唇读中的特征提取、选择与融合,TP391.41
多币种纸币处理技术的研究与实现,TP391.41
基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
基于图像的路面破损识别,TP391.41
移动机器人视觉检测和跟踪研究,TP242.62
高光谱与高空间分辨率遥感图像融合算法研究,TP751
基于随机森林的植物抗性基因识别方法研究,Q943
基于图像处理技术的烟叶病害自动识别研究,S435.72
羊种布鲁氏菌16M优势蛋白抗原的鉴定,S852.61
基于视觉的番木瓜外观品质检测技术研究,S667.9
羊绒与羊毛纤维鉴别系统的研究,TS101.921
水稻抗稻瘟病菌质膜蛋白的蛋白质组学分析,S511
白斑综合征病毒（WSSV）重复单元ORF94的序列差异分析及囊膜蛋白的相互作用,S945.1