基于矩阵打分值和化学位移值预测酶蛋白质中β-发夹模体

酶是一类具有催化功能的蛋白质,对其结构和功能的研究是非常有必要的。特殊模体β-发夹是一种简单的超二级结构,它们包含了丰富的折叠信息,对酶中β-发夹的预测有助于酶结构和功能的预测。本文建立了非冗余的β-发夹模体数据集,包含1080条酶蛋白质链,2818个β-发夹模体,1098个非β-发夹。提取位点亲疏水组分及位点亲疏水紧邻关联组分作为参数,运用矩阵打分算法得到的预测结果不理想。将位点亲疏水、位点亲疏水紧邻关联组分为参数得到的打分值和平均化学位移值共同作为特征参数,输入支持向量机算法对模体进行预测,5交叉检验预测总精度是81.8%,相关系数达到了0.636。

基于组合的矩阵打分算法识别Na^+和K^+配体结合残基

金属离子配体与蛋白质的相互作用,在诸多重要的生命进程中实现着不可替代的生物学功能,配体结合残基的预测对蛋白质生物功能的理解提供重要的依据,也有利于药物设计和开发。工作中选取了研究者已整理好的一价金属离子配体Na+和K+的结合残基数据集,在序列水平上使用矩阵打分算法识别了Na^+和K^+金属离子配体结合残基,发现整体分类器的预测结果好于单分类器的预测结果。

打分矩阵方法在β-发夹模体识别中的应用

用打分矩阵的五种算法,从蛋白质的氨基酸序列出发,以氨基酸为参数,分别对3088个同源性小于40%的蛋白质和2878个同源性小于33%的蛋白质的β-发夹模体片断进行了识别。利用self-consistency和10-fold cross-validation两种方法对五种算法进行检验,结果表明,Claverie(1996)算法相对较好,对3088个蛋白质的平均识别精度达到了77.7%和76.1%。

利用位点特异性打分矩阵对大肠杆菌启动子的预测

启动子是基因转录起始的一个关键性元件。本研究利用数据库中提供的大肠杆菌启动子数据,基于位点特异性打分矩阵(Position-specific scoring matrix,PSSM)算法建立了大肠杆菌启动子预测方法,并采用ROC曲线对预测结果进行评估。结果显示,本方法对大肠杆菌sigma24、sigma28、sigma32、sigma38、sigma54和sigma70启动子预测的准确度分别达到86%,96%,93%,96%,97%和74%。由于原核生物启动子序列的保守性,可将该方法推广至其他原核生物的启动子预测。

基于打分矩阵的多类蛋白质折叠子的预测

依据蛋白质折叠子中氨基酸保守性,以氨基酸、氨基酸的极性、氨基酸的电性以及氨基酸的亲—疏水性为参数,从蛋白质的氨基酸序列出发,采用"一对多"的分类策略,通过构建打分矩阵和选取氨基酸序列模式片断,利用5种相似性打分函数对27类折叠子进行识别,最好的预测精度达到83.46%。结果表明,打分矩阵是预测多类蛋白质折叠子有效的方法。

基于位点特异性打分矩阵的卷积神经网络预测SARS-CoV-2核衣壳蛋白的蛋白质二级结构

新型冠状病毒(SARS-CoV-2)有4种关键的结构蛋白,而核衣壳蛋白就是其中的1种.本实验从公开数据库NCBI上选取的SARS-CoV-2核衣壳蛋白质序列数据,分析SARS-CoV-2核衣壳蛋白与SARS-CoV核衣壳蛋白的序列相似性,对SARS-CoV-2核衣壳蛋白的理化性质和疏水性进行分析;在此基础上提出基于位点特异性打分矩阵的卷积神经网络,预测SARS-CoV-2核衣壳蛋白的8类蛋白质二级结构.研究结果表明,核衣壳蛋白的二级结构主要为无规卷曲,此结果可为抗病毒药物的研发与新型冠状病毒肺炎的诊断提供参考.

基于距离函数值和打分值的GBM算法预测酸根离子配体结合残基

在生命活动中,酸根离子是一种重要的蛋白质配体,蛋白质与其结合才能发挥重要功能.因此,识别蛋白质-酸根离子配体结合位点具有重要的意义.选用SO_(4)^(2-),PO_(4)^(3-),CO_(3)^(2-)和NO_(2)^(-)配体作为研究对象,采用距离函数和矩阵打分算法分别提取基础特征参数的组分信息和位置保守性信息,使用GBM算法对蛋白质-酸根离子配体结合残基进行预测.五交叉检验下得到较好的预测结果,其中CO_(3)^(2-)和NO_(2)^(-)配体结合残基识别要好于IonSeq方法的结果.为了进一步验证预测模型的实用性,我们选用了欠采样方法处理数据集,将同样的特征参数放入GBM算法中,独立检验结果好于随机森林算法和SMO算法的预测结果,也好于前人的预测结果.

固有无序蛋白与结合配体作用位点的分析与预测

固有无序蛋白(简称IDPs)在生理条件下不具有稳定的二级或三级结构,但是在生物体内通过与结合配体相互作用来发挥重要的生物学功能,故研究固有无序蛋白与配体的相互作用,对理解这些蛋白的功能具有重要的生物学意义。本文基于IDPsBind数据库,获得固有无序蛋白与5类配体分子(DNA,RNA,金属离子,肽,小分子)结合的结合位点,然后对这些结合位点处残基出现在5类结合位点的倾向性进行分析,结果发现:5类配体分子的结合位点处氨基酸的分布是不一样的。然后,利用滑动窗口中心残基的结合配体类型,建立5类结合配体的结合位点数据集,并提取四种特征参数:位置特异性矩阵(PSSM),20种氨基酸组分(AAC),以及残基的疏水性(HP)和溶剂可及表面积(SASA)特征,结合机器学习算法对5类结合位点进行分类识别,在5折交叉检验结果中预测准确率(Acc)最高达到87%,当特征融合后,预测准确率(Acc)达到88.3%。该研究结果对固有无序蛋白与结合配体相互作用的分析提供了很好的参考。

基于支持向量机的整体分类器算法 预测酶蛋白质中四类简单超二级结构

酶是一种具有催化功能的蛋白质,研究酶蛋白质中的超二级结构对研究酶的结构及功能有重要作用。本文从酶蛋白质序列出发,首次对酶蛋白质中的四类简单超二级结构进行研究。以位点氨基酸及其紧邻关联为参数,选取五种序列片段截取方式,采用7-交叉检验,使用矩阵打分方法预测的结果不理想;将矩阵打分值作为特征参数输入支持向量机,并用整体分类器进行加权融合,得到了较好的预测结果,预测总精度达到72.64%,Matthew’s相关系数在0.57以上,因此,基于支持向量机的整体分类器方法是一种有效的预测酶蛋白质中超二级结构的方法。

使用支持向量机的方法预测膜蛋白的类型

根据膜蛋白的特点对特定的氨基酸片段进行打分,将打分值与离散增量值共同作为序列的信息参数,使用支持向量机的方法对膜蛋白的类型进行预测,获得了非常好的预测结果。对8类膜蛋白的Jack knife检验结果达到了91.81%,比Chou等人使用相同数据集的结果提高了近7个百分点。另外,使用同样的方法对6类膜蛋白的类型也作了预测,结果再次表明该方法对于膜蛋白类型的预测是非常有效的。

酶蛋白质中8类二级结构的识别

酶是一种具有催化功能的蛋白质,研究酶蛋白质中的二级结构对研究酶的结构及功能有重要作用。本文从酶蛋白质序列出发,以位点氨基酸和20种氨基酸n-gap 2肽组分为参数,首次将矩阵打分的方法用于酶蛋白质中8类二级结构的识别,预测总精度Q8最高达到61.4%。

基于多特征参数预测转移酶的亚类

随着对酶分类预测的研究需要,本文采用Shen建立的数据库,从蛋白质序列出发,将每条蛋白质序列分成等长的15段得到离散增量值、低频功率谱密度值、N端和C端的矩阵打分函数值和模体频数构成的组合向量表示蛋白质序列信息,用支持向量机算法对六类酶的家族类及其亚类进行预测.转移酶的预测精度依次为92.9%.

基于组合向量的支持向量机算法预测酶的类型

酶的类型与其功能和催化性能关系密切,对于新发现的酶,可以通过确定它的类型来表明其生物功能。目前研究酶的生化实验方法不仅费时、耗资,而且可能会碰到许多无法解决的实际困难,因此使用机器学习算法来识别酶类型的理论方法显得十分重要。从酶的一级序列出发,给截取的氨基酸片段打分,将打分值和离散增量值构成的组合向量作为特征参数,运用支持向量机的算法预测酶的类型,取得了较好的预测结果,Jackknife检验的预测成功率为88.86%,表明此算法对于酶的分类预测非常有效。

基于序列信息的酶的亚类多特征参数识别方法

基于酶的序列信息,分别使用矩阵打分与离散增量的方法提取各类特征参数进行有效组合,利用支持向量机分类算法对数据集中酶家族类的各个亚类进行分类识别,获得了最佳的预测结果。在刀切法(Jackknife)检验下,氧化还原酶、转移酶、水解酶、裂合酶、异构酶和合成酶中亚类的总体预测成功率分别为96.43%、92.90%、90.85%、99.22%、99.84%和98.86%。预测结果表明,多特征参数的支持向量机方法明显优于单特征参数的矩阵打分方法和离散增量方法,可以有效识别酶家族类中的亚类。

基于最优风险与预防模型的医疗数据挖掘算法

为有效地实现疾病的早期诊断和预防,提出一种带权重的、基于最优风险与预防模型的医疗数据挖掘算法。利用最优风险与预防模型产生和疾病相关的特征属性值项,通过带权重的风险和预防集算法确定每个特征属性值项的权重。在2个标准医疗数据集中的测试结果表明,该算法能获取医疗数据中具有代表性的特征属性值项,并且每个特征属性值项都被赋予一个权重,使其获得较好的挖掘效果。

蛋白亚细胞定位的预测方法研究

预测蛋白质的亚细胞定位信息对于了解其功能有重要的意义。选择氨基酸组成、氨基酸对组成、位置特异性打分矩阵三种分类特征以及模糊k近邻、支持向量机两种预测方法,分别进行了测试。对预测结果的分析显示,位置特异性打分矩阵可以提高对不同亚细胞器的可区分性;而支持向量机可以更好地利用位置特异性打分矩阵特征进行预测。使用氨基酸组成和位置特异性打分矩阵两种特征,并结合支持向量机,是一种有效的亚细胞定位预测方法。

蛋白质中不同类型β-转角的预测

蛋白质二级结构预测是空间结构预测的关键步骤,β-转角是蛋白质二级结构中的重要类型之一,因此,找到一种准确预测不同类型β-转角的方法,对于建立蛋白质三维空间结构有重要意义。本文构建了一个含有2878条蛋白质链的数据库,比目前普遍使用的含有426条蛋白质链的数据库扩大了6倍多。以矩阵打分值、离散增量值、相似性值和预测的二级结构信息作为组合向量输入到支持向量机中,对不同β-转角进行了预测,各类的预测总精度均大于92.8%,MCC值均大于0.285。

基于进化信息和支持向量机的酶蛋白亚家族预测

提出一种使用PSI-BLAST得到的位置特异性打分矩阵中蕴含的进化信息作为酶蛋白的特征表示,结合支持向量机方法对酶蛋白的亚家族类别进行预测的方法.对包含16类亚家族的2 640条氧化还原酶数据集进行jacknife测试,总的预测精度达到92.12%,高于目前的任何其他预测方法.实验结果表明,进化信息是酶蛋白序列的有效表示,将其与支持向量机结合能够实现对酶蛋白亚家族的高精度预测.

三种配体结合残基的识别

配体结合残基的预测对蛋白质生物功能的理解提供重要的依据,也有助于药物设计和开发。ATP、GTP和NAD三种配体具有相似的化学结构,生物功能也有着紧密的联系,所以我们将ATP、GTP和NAD三种大分子配体作为一个系列,分别对蛋白质中ATP、GTP和NAD配体结合残基进行了识别。建立了ATP、GTP和NAD三种配体结合残基的数据集,分别包含结合残基3838个、1316个和3579个,序列相似性阈值为30%,分辨率阈值为3°A。采用氨基酸组分信息为特征参数的离散增量算法和位点氨基酸保守性信息为特征参数的矩阵打分算法,对以上三种配体结合残基分别进行预测,结果并不理想;之后,我们将二级结构信息和表面可及性信息作为特征参数,并融合离散增量值、矩阵打分值和自相关协方差值,输入支持向量机对结合残基进行预测,得到了较好的预测结果。5交叉检验结果下的ATP、GTP和NAD配体结合残基预测总精度分别为77.4%、82.1%和85.3%;相关系数分别为0.549、0.643和0.702。

基于序列信息的融合多种特征参数方法预测膜蛋白类型

不同类型的膜蛋白执行不同的功能,因此膜蛋白的分类对蛋白质功能的研究相当重要。根据膜蛋白在磷脂双分子层的分布特点,将膜蛋白序列进行等分处理,以每一部分的氨基酸组分为特征参数,利用离散增量算法对8类膜蛋白分类,得到的预测总精度为75.1%;对膜蛋白序列进行特定的氨基酸片段截取,利用位置矩阵打分算法对8类膜蛋白进行分类预测,以前后20个位点氨基酸组分为特征参数预测总精度分别为75.6%和72.7%。将等分后的离散增量值、氨基酸片段的打分值、稀有模体频数值、氨基酸物理化学特性的自交叉协方差值、二级结构频数值、超二级结构频数值、复杂超二级结构频数值组合作为特征参数,使用支持向量机算法对8类膜蛋白进行分类,获得了非常好的预测结果,独立检验预测总精度达到了93.9%。因此可以看出融合多特征参数的支持向量机算法要好于离散增量算法和位置矩阵打分算法,并且得到的预测结果要好于前人的研究结果。