预测同源寡聚蛋白质的支持向量机方法(英文)

计算实验表明蛋白质一级结构包含着四级结构信息。本文用支持向量机方法从蛋白质一级结构出发区分同源二聚体和非同源二聚体。蛋白质原始序列的子序列分布用于支持向量机的输入向量,从而充分考虑了蛋白质序列的信息。当子序列的长度为3时,10-次交叉验证的总预测准确率达到84.9%,在相同的数据集上,比原有的决策树方法提高了15.0%。实验表明残基顺序对同源寡聚蛋白质的识别起重要作用,而支持向量机方法是蛋白质四级结构预测的强有力工具。

基于一种新的信息离散性度量方法的同源寡聚蛋白质分类

用一种新的信息离散性度量方法,即Function of Degree of Disagreement(FDOD),从蛋白质原始序列出发区分同源二聚体、同源三聚体、同源四聚体和同源六聚体.该方法用蛋白质原始序列的子序列分布来描述氨基酸序列,从而充分考虑了蛋白质序列的信息.随着子序列长度的增加,两个数据集上自检验和jack-knife检验的各个分类指标都有快速增加的趋势,实验表明残基顺序对同源寡聚蛋白质的识别起重要作用,FDOD方法是同源寡聚蛋白质分类的简单而有效的工具.这也进一步证实了蛋白质原始序列包含着四级结构信息.

基于线性降维方法的蛋白质四级结构类型预测

提出一种新的能依据蛋白质序列自动地识别被查询蛋白质的四级结构类型的方法。首先采用伪特定位点记分矩阵方法(PsePSSM)提取蛋白质序列的特征。采用这种方法提取出的特征能尽可能多地反映蛋白质序列的原始信息如顺序和进化等信息。但随之产生的问题是特征维数很高,使得预测系统复杂化。因此,引入线性维数约简算法最大方差映射方法(MVP),它可以从高维的特征空间中提取出低维的关键特征。最后,在约简后的特征上再应用分类算法预测未知蛋白质的四级结构。试验结果表明,采用降维方法不但使得预测系统得到简化,同时还提高了分类性能。