卫博翔:基于结构域理化性质的蛋白质相互作用方向预测论文

卫博翔:基于结构域理化性质的蛋白质相互作用方向预测论文

本文主要研究内容

作者卫博翔(2019)在《基于结构域理化性质的蛋白质相互作用方向预测》一文中研究指出:蛋白质相互作用间的信号传递方向对生物体内大多数的信号转导是非常重要的。随着生命科学研究的不断深入,积累了大量的蛋白质相互作用数据以及由这些数据构成的蛋白质相互作用网络,同时也出现了通过各种形式对蛋白质相互作用网络进行注释的方法。然而,仅有少数研究人员用蛋白质相互作用间的信号传递方向对蛋白质相互作用网络进行注释。在目前的研究中,大多数预测蛋白质相互作用间信号传递方向的方法,都是从蛋白质相互作用网络出发,仅考虑网络的拓扑属性,很少涉及KEGG中经过注释的蛋白质相互作用数据。少数利用已注释的蛋白质相互作用数据的方法也是从蛋白质相互作用出发,基于GO注释或者结构域相互作用与蛋白质相互作用的关系,构建表示方向信息的特征矩阵,训练用于分类的预测模型。然而,这些方法对蛋白质结构域的理化特性都没有涉及。为了解决这一问题,本研究设计了一种从蛋白质结构域的十种理化性质出发,预测蛋白质相互作用间信号传递方向的方法,基于该方法训练了一个用于蛋白质相互作用方向预测的支持向量机模型,并将该模型用于蛋白质相互作用类别预测。首先,我们利用有特定方向的蛋白质相互作用数据,计算蛋白质结构域的十种理化性质,构成可以表示蛋白质相互作用方向信息的特征矩阵,并用特征矩阵训练一个用于蛋白质相互作用间信号传递方向预测的支持向量机模型,通过对比试验和网格搜索算法,对支持向量机模型的核函数、惩罚因子以及核函数参数进行选择,完成了对预测模型的优化。然后,通过五次五倍交叉验证,对预测模型的整体性能进行了分析,模型可以有效、稳定用于蛋白质相互作用间信号传递方向预测;与不同分类方法、不同预测方法的性能比较,进一步说明我们的预测模型的有效性;对影响预测模型精度的结构域理化特性组合进行了研究,说明十种理化特性的必要性;通过不同物种数据集上的性能对比,发现预测模型在进化程度高的物种上的性能更好。我们将基于结构域理化性质的方法用于人类蛋白质相互作用间的激活/抑制类别的预测,进行了相关研究,预测结果为之后蛋白质相互作用间信号传递类别预测提供了参考。总的来说,本文提出了一种基于结构域理化性质信息预测蛋白质相互作用间信号传递方向的方法;通过此方法建立的支持向量机模型可以有效用于蛋白质相互作用间信号传递方向的预测。另外,本研究还对影响预测模型精度的结构域理化性质组合进行了研究,证明结构域十种理化性质的必要性;并将基于结构域理化性质的方法扩展到人类蛋白质相互作用类别研究。这可以为研究人员利用蛋白质相互作用方向和类别对蛋白质相互作用网络进行进一步注释提供新的思路。

Abstract

dan bai zhi xiang hu zuo yong jian de xin hao chuan di fang xiang dui sheng wu ti nei da duo shu de xin hao zhuai dao shi fei chang chong yao de 。sui zhao sheng ming ke xue yan jiu de bu duan shen ru ,ji lei le da liang de dan bai zhi xiang hu zuo yong shu ju yi ji you zhe xie shu ju gou cheng de dan bai zhi xiang hu zuo yong wang lao ,tong shi ye chu xian le tong guo ge chong xing shi dui dan bai zhi xiang hu zuo yong wang lao jin hang zhu shi de fang fa 。ran er ,jin you shao shu yan jiu ren yuan yong dan bai zhi xiang hu zuo yong jian de xin hao chuan di fang xiang dui dan bai zhi xiang hu zuo yong wang lao jin hang zhu shi 。zai mu qian de yan jiu zhong ,da duo shu yu ce dan bai zhi xiang hu zuo yong jian xin hao chuan di fang xiang de fang fa ,dou shi cong dan bai zhi xiang hu zuo yong wang lao chu fa ,jin kao lv wang lao de ta pu shu xing ,hen shao she ji KEGGzhong jing guo zhu shi de dan bai zhi xiang hu zuo yong shu ju 。shao shu li yong yi zhu shi de dan bai zhi xiang hu zuo yong shu ju de fang fa ye shi cong dan bai zhi xiang hu zuo yong chu fa ,ji yu GOzhu shi huo zhe jie gou yu xiang hu zuo yong yu dan bai zhi xiang hu zuo yong de guan ji ,gou jian biao shi fang xiang xin xi de te zheng ju zhen ,xun lian yong yu fen lei de yu ce mo xing 。ran er ,zhe xie fang fa dui dan bai zhi jie gou yu de li hua te xing dou mei you she ji 。wei le jie jue zhe yi wen ti ,ben yan jiu she ji le yi chong cong dan bai zhi jie gou yu de shi chong li hua xing zhi chu fa ,yu ce dan bai zhi xiang hu zuo yong jian xin hao chuan di fang xiang de fang fa ,ji yu gai fang fa xun lian le yi ge yong yu dan bai zhi xiang hu zuo yong fang xiang yu ce de zhi chi xiang liang ji mo xing ,bing jiang gai mo xing yong yu dan bai zhi xiang hu zuo yong lei bie yu ce 。shou xian ,wo men li yong you te ding fang xiang de dan bai zhi xiang hu zuo yong shu ju ,ji suan dan bai zhi jie gou yu de shi chong li hua xing zhi ,gou cheng ke yi biao shi dan bai zhi xiang hu zuo yong fang xiang xin xi de te zheng ju zhen ,bing yong te zheng ju zhen xun lian yi ge yong yu dan bai zhi xiang hu zuo yong jian xin hao chuan di fang xiang yu ce de zhi chi xiang liang ji mo xing ,tong guo dui bi shi yan he wang ge sou suo suan fa ,dui zhi chi xiang liang ji mo xing de he han shu 、cheng fa yin zi yi ji he han shu can shu jin hang shua ze ,wan cheng le dui yu ce mo xing de you hua 。ran hou ,tong guo wu ci wu bei jiao cha yan zheng ,dui yu ce mo xing de zheng ti xing neng jin hang le fen xi ,mo xing ke yi you xiao 、wen ding yong yu dan bai zhi xiang hu zuo yong jian xin hao chuan di fang xiang yu ce ;yu bu tong fen lei fang fa 、bu tong yu ce fang fa de xing neng bi jiao ,jin yi bu shui ming wo men de yu ce mo xing de you xiao xing ;dui ying xiang yu ce mo xing jing du de jie gou yu li hua te xing zu ge jin hang le yan jiu ,shui ming shi chong li hua te xing de bi yao xing ;tong guo bu tong wu chong shu ju ji shang de xing neng dui bi ,fa xian yu ce mo xing zai jin hua cheng du gao de wu chong shang de xing neng geng hao 。wo men jiang ji yu jie gou yu li hua xing zhi de fang fa yong yu ren lei dan bai zhi xiang hu zuo yong jian de ji huo /yi zhi lei bie de yu ce ,jin hang le xiang guan yan jiu ,yu ce jie guo wei zhi hou dan bai zhi xiang hu zuo yong jian xin hao chuan di lei bie yu ce di gong le can kao 。zong de lai shui ,ben wen di chu le yi chong ji yu jie gou yu li hua xing zhi xin xi yu ce dan bai zhi xiang hu zuo yong jian xin hao chuan di fang xiang de fang fa ;tong guo ci fang fa jian li de zhi chi xiang liang ji mo xing ke yi you xiao yong yu dan bai zhi xiang hu zuo yong jian xin hao chuan di fang xiang de yu ce 。ling wai ,ben yan jiu hai dui ying xiang yu ce mo xing jing du de jie gou yu li hua xing zhi zu ge jin hang le yan jiu ,zheng ming jie gou yu shi chong li hua xing zhi de bi yao xing ;bing jiang ji yu jie gou yu li hua xing zhi de fang fa kuo zhan dao ren lei dan bai zhi xiang hu zuo yong lei bie yan jiu 。zhe ke yi wei yan jiu ren yuan li yong dan bai zhi xiang hu zuo yong fang xiang he lei bie dui dan bai zhi xiang hu zuo yong wang lao jin hang jin yi bu zhu shi di gong xin de sai lu 。

论文参考文献

  • [1].基于深度学习的蛋白质相互作用预测研究[D]. 张龙.西南大学2019
  • [2].长链非编码RNA-蛋白质相互作用及疾病关联算法的研究[D]. 张慧.吉林大学2019
  • [3].基于集成学习模型下的蛋白质交互作用预测方法研究[D]. 徐昌.安徽师范大学2019
  • [4].基于机器学习的蛋白质相互作用预测研究[D]. 曾建沧.厦门大学2017
  • [5].基于多模态特征融合的蛋白质相互作用预测[D]. 温玉婷.深圳大学2018
  • [6].基于序列分段近邻编码的蛋白质热点残基预测方法研究[D]. 沈彤.安徽大学2019
  • [7].蛋白质突变位点数据库的构建及位点预测研究[D]. 刘全亚.安徽大学2019
  • [8].基于支持向量机的蛋白质结构类预测及蛋白质相互作用网络拓扑结构分析[D]. 王晶.西安电子科技大学2018
  • [9].基于多信息融合的蛋白质相互作用预测研究[D]. 吴雪.青岛科技大学2019
  • [10].蛋白质相互作用时序网络模型及动态性质研究[D]. 胥晓莎.湖南理工学院2018
  • 读者推荐
  • [1].异常威克汉姆酵母控制梨果采后病害及其诱导梨果抗性相关机制研究[D]. 张奇儒.江苏大学2019
  • [2].YWHAB蛋白与PCV2 ORF5的互作研究及其对病毒复制的影响[D]. 侯玉凤.西北农林科技大学2019
  • [3].Rab11A效应因子FIP5在FLCN-Rab11A结合中的作用[D]. 李琳.西北农林科技大学2019
  • [4].基于蛋白质组学方法探索PINK1蛋白下游底物[D]. 曾秋芳.华东师范大学2019
  • [5].基于药物-靶点蛋白质相互作用的方法研究[D]. 赵佳福.武汉科技大学2019
  • [6].用蛋白质组学方法筛选全身辐照大鼠血浆差异表达蛋白质[D]. 孙佳丽.中国疾病预防控制中心2019
  • [7].基于多信息融合的蛋白质相互作用预测研究[D]. 吴雪.青岛科技大学2019
  • [8].高原高寒条件下建筑工程施工质量管理研究[D]. 尹志勇.西南科技大学2019
  • [9].多酚对荞麦蛋白物化、营养及结构性质的影响[D]. 王晓燕.华南理工大学2010
  • [10].蛋白质二级结构预测方法研究[D]. 张海霞.大连理工大学2004
  • 论文详细介绍

    论文作者分别是来自太原理工大学的卫博翔,发表于刊物太原理工大学2019-07-26论文,是一篇关于预测模型论文,蛋白质相互作用方向论文,结构域理化性质论文,特征向量论文,支持向量机论文,太原理工大学2019-07-26论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自太原理工大学2019-07-26论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    卫博翔:基于结构域理化性质的蛋白质相互作用方向预测论文
    下载Doc文档

    猜你喜欢