蛋白质亚细胞定位预测研究综述

蛋白质亚细胞定位预测对于确定蛋白质功能、揭示分子交互机理、理解复杂生理过程和设计药物靶标等方面都有很大的促进作用。随着后基因组时代中蛋白质序列数据的指数增长,研究基于机器学习的计算性蛋白质亚细胞定位预测方法变得越来越重要。为了能够把握该问题的研究状况,从数据集构建、蛋白质特征提取与表示、预测算法设计、算法测试和Web服务的建立等五个方面对蛋白质亚细胞定位预测的研究进行了综述。指出了目前该研究领域需要解决的核心问题及难点问题,分析了当前研究中出现的一些新情况,并对将来的研究方向和研究重点进行了展望。

蛋白质亚细胞定位预测中的序列编码技术研究

随着后基因组时代的来临,蛋白质序列数量增长迅速,利用实验手段分析蛋白质亚细胞定位不易大规模进行。近年来,通过提取蛋白质的各种特征信息(序列编码技术),自动预测蛋白质的亚细胞定位的算法得到了较快的发展。综述了当前已有的序列编码技术成果,并指出了存在的问题及可能的发展方向。

基于序列保守性和蛋白质相互作用的真核蛋白质亚细胞定位预测

蛋白质的亚细胞定位是进行蛋白质功能研究的重要信息.蛋白质合成后被转运到特定的细胞器中,只有转运到正确的部位才能参与细胞的各种生命活动,有效地发挥功能.尝试了将保守序列及蛋白质相互作用数据的编码信息结合传统的氨基酸组成编码,采用支持向量机进行蛋白质亚细胞定位预测,在真核生物中5轮交叉验证精度达到91.8%,得到了显著的提高.

词袋模型在蛋白质亚细胞定位预测中的应用

运用词袋模型结合传统的蛋白质特征提取算法提取蛋白质序列特征,采用K-means算法构建字典,计算获得蛋白质序列的词袋特征,最终将提取的特征值送入SVM多类分类器,对数据集中蛋白质的亚细胞位置进行预测,在一定程度上提高了亚细胞定位预测的准确率。

一种基于最优局部信息融合的蛋白质亚细胞定位预测方法

基于蛋白质的合成及分选机制,提出了一种新的蛋白质亚细胞定位预测方法。先采用遍历搜索技术,找出各种亚细胞蛋白质序列分选信号和成熟蛋白质之间的最佳分割位点,把蛋白质序列分为两条子序列,计算这两条子序列中的氨基酸组份并将它们融合起来作为整条蛋白质序列的特征,然后构造用于识别每类蛋白质的最佳子分类器,再根据最大化原则组建集成分类器。在NNPSL数据集上,采用5重交叉验证方法对本文方法进行测试,原核和真核两个蛋白质序列子集分别取得94.1%和87.5%的总体预测精度。同时,此方法在一些蛋白质序列中找到的分割位点与真实生物现象相吻合,能为预测蛋白质序列的剪切位点提供参考信息。

一种新的蛋白质亚细胞定位预测训练集构造方法

设计了一种新的蛋白质亚细胞定位预测训练集构造方法.该方法针对传统预测方法缺乏足够的实验标记数据的问题,基于主动学习策略从非实验标记蛋白质数据中主动选择有效数据,并与原有的实验标记数据共同训练预测模型,以提高基准分类器的预测精度.结合支持向量机分类器,该方法在病毒蛋白质独立测试集上进行了预测实验,测试结果表明,该方法能够有效地提高基准分类器的预测能力,性能优于现有的病毒蛋白质预测系统.

一种新的蛋白质亚细胞定位预测方法

蛋白质亚细胞定位是蛋白质组学基本问题之一。某些类型蛋白质可能存在于两个或两个以上的亚细胞位置,这类蛋白质的亚细胞定位问题更为复杂。分别利用Gene Ontology和伪氨基酸成分法,将一条蛋白质表示为一实值向量;采纳多标记学习中的Ranking思想,计算出一得分向量V,该向量的每一分量的值表示被预测蛋白质属于某个亚细胞位置的概率;利用最近邻算法预测蛋白质所属亚细胞位置的个数n,得分向量V中得分最高的n个分量对应的亚细胞位置即为预测的位置。

蛋白质亚细胞定位预测中的序列编码技术

蛋白质序列的编码是亚细胞定位预测问题中的关键技术之一。该文较为详细地介绍了目前已有的蛋白质序列编码算法;并指出了序列编码中存在的一些问题及可能的发展方向。

蛋白质亚细胞定位预测的最近邻算法

基于蛋白质的氨基酸组成,采用三种几何距离,即Euclidean距离、Minkowski距离和广义距离,利用最近邻算法对蛋白质亚细胞定位进行预测。结果表明该方法新颖、简单、有效。

小鼠蛋白质亚细胞定位预测

在构建小鼠蛋白质亚细胞定位和小鼠跨膜蛋白类型数据库的基础上,利用离散增量结合协变判别函数分别对小鼠蛋白质亚细胞定位和小鼠跨膜蛋白类型进行了预测.对小鼠蛋白质亚细胞定位数据库,Self-consistency检验和Jackknife检验预测成功率分别达到99.0%和75.6%;对小鼠跨膜蛋白类型数据库,Self-consistency检验和Jackknife检验预测成功率分别达到85.6%和77.5%.

基于氨基酸约化和统计特征的蛋白质亚细胞定位预测

蛋白质亚细胞定位预测对蛋白质的功能、相互作用及调控机制的研究具有重要意义。本文基于物化性质和结构性质对氨基酸的约化,描述序列局部和全局信息的"组成"、"转换"和"分布"特征,并利用氨基酸亲疏水性的数值统计特征,提出了一种新的蛋白质特征表示方法(NSBH)。分别使用三种分类器KNN、SVM及BP神经网络进行蛋白质亚细胞定位预测,比较了几种方法和特征融合方法的预测结果,显示融合特征表示及结合SVM分类器时能够达到更好的预测准确率。同时,还详细讨论了不同参数对实验结果的影响,具体的实验及比较结果显示了该方法的有效性。

以位置特异性得分矩阵和基因本体为特征的蛋白质亚细胞定位预测

提出一种蛋白质亚细胞定位预测方法.该方法以位置特异性得分矩阵和基因本体抽取对应特征,结合支持向量机构建多标签分类模型.充分考虑了蛋白质进化信息对其亚细胞定位的影响,并基于文本分类中涉及到的卡方检验的对数变换思想,构建基因本体注释信息的加权系数对其进行加权处理,从而提高预测的准确率.采用支持向量机作为基分类器构建多标签分类模型,进一步提高预测的准确率.通过在目前该领域两个常用的真实数据集上进行的一系列测试结果表明,该方法能有效提高蛋白质亚细胞定位预测的准确率.

基于机器学习的蛋白质亚细胞定位预测方法

蛋白质亚细胞定位预测有助于了解蛋白质性质和功能,理解蛋白质复杂的生理过程和调控机理,对开发新药物等方面有着很大的促进作用。随着人类在蛋白质组学方面研究的不断深入,蛋白质序列数据量呈指数式增长,单纯依靠传统的试验方法已无法满足生命科学研究的需要,于是人们将蛋白质亚细胞定位的研究方法转向了机器学习领域,研究机器学习算法变得越来越重要。从蛋白质序列特征的刻画、预测算法、算法评价3个方面阐述现阶段蛋白质亚细胞定位预测的研究进展。最后,总结蛋白质亚细胞定位预测方法方面取得的成果及需要不断完善的3个方面(特征选择、数据处理和改进算法),并提出了未来机器学习在提高预测性能方面的研究重点及重要意义。

蛋白质亚细胞定位预测研究进展

蛋白质的功能与其亚细胞位置有着密切的联系,对于确定一个未知特性蛋白质的功能,亚细胞定位研究能够提供重要的参考信息。采用传统实验的方法研究亚细胞定位需要耗费大量的人力、财力、物力,已经不能满足数据库中蛋白质序列爆炸性增长的现实需要。从已积累的知识和数据出发,利用智能算法、机器学习等工具开发蛋白质亚细胞定位预测的方法成为了当前的重要研究内容。本文对国内外亚细胞定位预测的研究现状进行了综述。

PSO＿BFA优化词袋模型及蛋白质亚细胞定位预测

提出了一种基于PSO_BFA优化的词袋模型。传统词袋模型有两个重要参数:窗口大小d和字典大小k。结合粒子群算法和细菌觅食算法产生新的PSO_BFA混合优化算法,在PSO进行局部搜索时,加入BFA的复制和迁移行为,得到PSO_BFA的最优解即为窗口大小和字典大小的最佳组合。将优化词袋模型与蛋白质序列的氨基酸组成算法和伪氨基酸组成算法结合,获得蛋白质序列的词袋特征。实验结果证明,基于PSO_BFA优化的词袋模型能有效提高蛋白质亚细胞定位预测的精度。

蛋白质亚细胞定位预测研究进展

蛋白质的功能与其亚细胞位置有着密切的联系,对于确定一个未知特性蛋白质的功能,亚细胞定位研究能够提供重要的参考信息。采用传统实验的方法研究亚细胞定位需要耗费大量的人力、财力、物力,已经不能满足数据库中蛋白质序列爆炸性增长的现实需要。从已积累的知识和数据出发,利用智能算法、机器学习等工具开发蛋白质亚细胞定位预测的方法成为了当前的重要研究内容。本文对国内外亚细胞定位预测的研究现状进行了综述。

基于多标记学习的蛋白质亚细胞定位预测研究综述

确定蛋白质的亚细胞位置对了解胞内蛋白质功能以及药物设计具有重要作用。利用机器学习手段进行蛋白质亚细胞定位预测可以有效弥补传统实验手段耗时费力的不足。有些蛋白质同时存在于多个亚细胞位置中,或者游走于不同亚细胞之间,以实现其生物学功能,因此,蛋白质亚细胞定位预测实际上是一种多标记学习问题。本文主要从蛋白质序列的特征提取方法和多标记学习算法两方面归纳和阐述,最后从蛋白质序列特征提取,非平衡数据集和标记相关性三个方面提出进一步研究方向。

基于特征融合与平衡数据集的蛋白质亚细胞定位预测研究

确定蛋白质的亚细胞位置对于了解蛋白质的功能以及药物设计具有重要作用。在后基因时代,测序序列呈现爆发式增长,而传统实验手段无法满足海量蛋白质的亚细胞定位需求。将蛋白质亚细胞定位问题引入到机器学习领域可有效解决该难题。本文提出基于PSSM-MLSMOTE方法的革兰氏阴性菌蛋白质亚细胞定位预测。首先使用AAO和PSSM-AAO方法对蛋白质序列进行特征提取,并将两种算法融合。然后采用MLSMOTE方法平衡数据集,最后将处理后的数据集输入MLkNN算法分类器中预测蛋白质的亚细胞位置。通过jackknife检验,总体召回率可达到83.4%,此模型能够有效预测蛋白质的亚细胞位置。

蛋白质的亚细胞定位预测研究进展

蛋白质处于特定的亚细胞位置上才能行使其功能,故研究亚细胞定位对了解蛋白质功能非常重要。随着后基因组时代的来临,蛋白质序列信息增长迅速,而利用实验手段分析蛋白亚细胞定位的不易大规模进行。近年来,通过提取蛋白质的各种特征信息,自动预测蛋白质的亚细胞定位的算法得到了较快的发展,本文拟从蛋白质特征信息的提取、预测算法和预测效果检验等方面,介绍蛋白质亚细胞定位预测领域中研究进展。

基于茶蛋白质组学数据分析植物亚细胞定位预测软件的应用

以500个茶(Camellia sinensis(L.)O.Ktze.)叶片的蛋白质作为数据集,比较TargetP、WoLF PSORT、LocTree和Plant-mPLoc 4种软件预测亚细胞定位的可信度和灵敏度。结果显示,4种软件预测可信度均高于80%,依次排序为TargetP>LocTree>WoLF PSORT>Plant-mPLoc。其中,LocTree对细胞质蛋白和分泌蛋白检测灵敏度最高,但对叶绿体蛋白灵敏度最低;Plant-mPLoc检测核蛋白最灵敏,但对细胞质蛋白最不敏感;TargetP检测叶绿体蛋白最灵敏,但仅能区分3个亚细胞器官;WoLF PSORT对分泌蛋白检测灵敏度最低,但对其他蛋白均较灵敏。基于上述结果,该研究针对4种软件提出了合理的使用建议。