蛋白质家族模体(motif)的评价策略

模体是刻画蛋白质家族组成结构和执行功能的重要部分 ,但是对于通过各种生物信息学方法识别出的模体 ,目前没有很好的办法辨别真假和优劣。文中提出一种新的模体评价策略 ,从分类器的观点出发 ,对不同方法在同一个蛋白质家族上建立的不同模体进行比较 ,从而推断出最具有生物意义的模体。本文在PROSITE数据库中选取 7个细胞因子家族 ,采用MEME和HMMER两种模体识别方法分别识别每个家族的模体 ,将每个模体看作一个分类器 ,通过计算同一家族的每个模体的敏感性和特异性并比较它们对应的接收机操作特性曲线 ,进而比较不同模体 ,确定真的模体和排除假的模体 ,从而获得每个蛋白质家族的最佳模体的模型。这种策略可以应用于对任意蛋白质家族模体识别结果的评价。此外 ,还可以利用最佳模体搜索数据库的结果预测每个家族的新成员。

协同快速退火演化算法识别蛋白质家族模体

将快速退火演化算法(fastannealingevolutionaryalgorithm,FAEA)与协同方法相结合,提出了一种用于求解高维的全局优化问题的新方法——协同快速退火演化算法(cooperativefastannealingcoevolutionaryalgorithm,CFACA).首先将高维的解空间分解成多个一维的子空间,再在每个子空间里利用单个独立的FAEA搜索该子空间里的最优子解,最后将各子解结合在一起,即构成了原来问题的一个解.基准函数测试的结果表明,CFACA算法具有更快的收敛速度.进一步用CFACA算法提取EGF蛋白质家族的模体,正确识别率达到67.0%,所提取的模体与蛋白质功能位点数据库PROSITE中的结果相吻合.