基于蛋白质序列和生物医学文献的蛋白质功能挖掘

论文摘要

运用计算手段对蛋白质功能进行分类预测是当前生物信息学的研究热点之一,本文针对包含蛋白质功能信息的两大载体:蛋白质序列和生物医学文献,运用机器学习和自然语言处理技术进行挖掘分析。在蛋白质序列分析方面,采用了经典氨基酸组成、基于氨基酸组成的氨基酸序列物理化学组成与分布法和蛋白质功能域组成法三种不同的蛋白质序列描述方法。应用最近邻算法、支持向量机、极大似然估计以及期望最大化算法等机器学习算法,我们分别尝试研究蛋白质四级结构分类、DNA/RNA结合蛋白质预测以及蛋白质功能分类问题,获得了较满意的分类预测准确率。蛋白质序列分析的结果显示蛋白质功能域组成是蛋白质序列信息非常高效的描述符,表明功能域在蛋白质功能行使中发挥着重要作用。据此,我们在MEDLINE的摘要数据库中运用自然语言处理技术挖掘关于蛋白质功能域相互作用的信息,加上从其它实验室得到的数据,一共搜集到175条功能域与功能域相互作用的信息和355条功能域与其它生物分子相互作用的信息。在此基础上,我们整合了Pfam、Swiss-Prot、InterPro、GO、DIP、KEGG等其它数据库与功能域相关的信息,构建了蛋白质功能域相互作用数据库（Database of Domain Interactions and Bindings,DDIB）。用户可以通过地址http://www.ddib.org访问查询。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 第二章 从序列分析出发研究蛋白质功能概况
• 2.1 预测蛋白质功能的序列特征表述方法
• 2.1.1 基于氨基酸组成及其相关信息的方法
• 2.1.2 蛋白质功能域组成法
• 2.1.3 基于基因组上下文的方法
• 2.2 蛋白质序列分析中常用的机器学习算法
• 2.2.1 支持向量机
• 2.2.2 最近邻算法
• 2.2.3 极大似然估计与期望最大化算法
• 2.2.4 其它
• 第三章 生物医学文献挖掘概况
• 3.1 生物医学文献数据库MEDLINE
• 3.2 自然语言处理
• 3.3 生物自然语言处理
• 第四章 从蛋白质功能域组成对蛋白质四级结构的分类预测
• 4.1 引言
• 4.2 材料与方法
• 4.2.1 数据集合
• 4.2.2 功能域组成特征向量
• 4.2.3 最近邻算法
• 4.3 结果与讨论
• 4.4 结论
• 第五章 运用支持向量机从蛋白质序列预测 rRNA、RNA和 DNA 结合蛋白质
• 5.1 引言
• 5.2 材料与方法
• 5.2.1 数据集合
• 5.2.2 支持向量机
• 5.2.3 特征向量
• 5.2.4 准确率评估
• 5.3 结果
• 5.4 讨论
• 第六章 基于功能域组成的蛋白质功能分类预测
• 6.1 引言
• 6.2 材料与方法
• 6.2.1 数据集合与功能分类
• 6.2.2 “简单”方法
• 6.2.3 极大似然估计方法
• 6.3 结果
• 6.4 讨论
• 第七章 蛋白质功能域相互作用信息的文献挖掘及相关数据库构建
• 7.1 引言
• 7.2 材料与方法
• 7.2.1 功能域相互作用的文本挖掘
• 7.2.2 预测功能域-功能域相互作用
• 7.2.3 DDIB数据库的构建
• 7.3 DDIB数据库描述
• 7.4 DDIB数据库的应用
• 第八章 SARS 冠状病毒spike 蛋白质中hAPN 受体结合位点的预测
• 8.1 引言
• 8.2 材料与方法
• 8.2.1 蛋白质-蛋白质相互作用
• 8.2.2 分子建模
• 8.2.3 CD13三维模型的生成
• 8.2.4 S蛋白质（D757-R761）对CD13（D438-P814）的相互作用模拟
• 8.3 结果与讨论
• CoV蛋白质与CD13 可能的相互作用区域'>8.3.1 SARS_CoV蛋白质与CD13 可能的相互作用区域
• CoV 的S 蛋白质（D757-R761）结合的三维模拟'>8.3.2 CD13（D438-P814）与SARS_CoV 的S 蛋白质（D757-R761）结合的三维模拟
• 8.4 结论
• 第九章 结论与展望
• 9.1 本文研究结论
• 9.2 课题研究展望
• 参考文献
• 附录
• 附录1. 四级结构预测蛋白质集合
• 1.1 非冗余训练集合中包含的蛋白质
• 1.2 独立测试集合中包含的蛋白质
• 附录2. 核酸结合蛋白质集合
• 2.1 rRNA结合蛋白质
• 2.2 RNA结合蛋白质
• 2.3 DNA结合蛋白质
• 攻读博士学位期间发表及完成的论文目录
• 致谢