基于粗糙集的蛋白质结构分类属性筛选

为了对蛋白质结构进行正确分类,提出了一种基于粗糙集理论的蛋白质结构分类属性筛选方法。通过多结构比对工具MAMMOTH-mult获得条件属性值,针对分辨矩阵中元素特点提出了分辨矩阵简化方法和改进的属性约简方法。实验以SCOP 1.71数据库中结构信息完整的35个家族数据集为研究对象,采用本方法得到%STRCTCORE和%LOOSECORE两个蛋白质分类属性,并通过两个属性的d1a0fa1与35个蛋白质家族、46 626家族与35个结构比对结果散点图可以看出,将这两个分类属性作为蛋白质结构分类标准,基本上可以对蛋白质结构进行客观正确的分类。

基于Gabor滤波和Radon-Legendre矩的蛋白质结构域分类

提出一种有效的蛋白质结构域结构分类方法,将结构分类问题表示为图像分类问题.将蛋白质结构域的三维结构转换为距离矩阵,并视作灰度图像;从而将结构域的二级结构及拓扑结构,分别映射为此类图像中的不同尺度和方向的局部结构,以及由这些局部结构组成的形状.设计Gabor滤波器来分割这些局部结构,并构造描述二级结构组成的百分比特征.提出一种Radon-Legendre矩来描述形状,并构造描述形状的矩特征.对比实验表明,该方法在结构域分类的识别率和样本数目鲁棒性两个方面均优于其它方法,有效地实现结构域分类.

基于柔性神经树的蛋白质结构预测

提出一种基于柔性神经树的蛋白质结构预测方法,将近似熵和蛋白质序列的疏水特性作为伪氨基酸组成的特征。对数据集中的每一条蛋白质进行特征提取。对于一个蛋白质样本,用一个27-D伪氨基酸组成作为其特征,伪氨基酸组成特征作为输入数据,柔性神经树作为预测工具,分类方法采用M-ary方法,数据集选用640数据集。仿真结果表明,该方法具有较好的优化性能,提高了预测的准确率。

结合位点进化距离与支持向量机的蛋白质分类方法

生物信息学的一个关键的研究课题是理解细胞的分子机制,这依赖于对基因所决定的每一条蛋白质的含义或者功能的理解.一般通过与一条或多条功能已知的蛋白质的相似性比较来推测未知蛋白质的功能,其中,基于支持向量机的一些算法取得了很好的成果.SVM-pairwise算法是当前最好的基于支持向量机的算法中的一个,该方法利用两条序列的相似性来将蛋白质序列转化为固定长度的向量.文中提出了一种新的利用支持向量机算法对蛋白质序列进行分类的方法,这种方法使用位点进化距离代替两条序列的比对得分,该方法比SVM-pairwise有着显著的改善,在蛋白质结构分类数据库(SCOP)上进行的实验表明,该方法具有比SVM-pairwise更好的分类性能.

蛋白质拓扑结构Alignment与相似性打分的算法

蛋白质结构分类是当今“后基因组”研究的热点 ,是探索蛋白质折叠 /功能关系的有效方法 .创立一种新型的分类体系就意味着对复杂的蛋白质结构的有了进一步的理解 .本文基于蛋白质结构域的拓扑结构 ,将拓扑量化 ,以Alignment矩阵方法对结构域进行比较 ,并按拓扑结构相似性对任意 2个蛋白质进行打分 .上述算法已经实现了程序化 .依此算法可将一组蛋白质进行新的分类 ,并可望将结构分类与生物功能的关系进行分析 .

基于网络模块性的蛋白质序列聚类

蛋白质的远同源性探测是结构基因组学和功能基因组学的主要研究任务之一。一些具有一定相似结构和功能、但序列相似性却较低的蛋白质组成蛋白质超家族,则远同源性探测问题等价于对蛋白质超家族的识别问题。作者提出了一种基于模块性的聚类算法ModuleFind,该方法通过最大化蛋白质网络的模块性来寻找具有较强集团结构的划分。在蛋白质结构分类数据库(SCOP)超家族层次上进行的实验表明,该方法得到的聚类结果更接近分类基准,且具有较高的F-测度值。

模拟蛋白质折叠过程的新算法研究

蛋白质折叠过程模拟是当前蛋白质研究领域的一个难点问题。针对这一问题,提出了一个描述蛋白质折叠过程的算法-拟蛇算法,并且从分子振荡和分子动力学理论两个方面来证明该算法的核心函数是可行和正确的。经过实验总结出所有蛋白质空间结构都可以通过两种类型函数构造出来,提出了描述蛋白质折叠过程模型。与其它蛋白质折叠过程模拟算法的实验结果比较表明,拟蛇算法所构造的空间结构能量值最小、相似度最好。进而说明拟蛇算法和蛋白质折叠过程模型在描述蛋白质折叠过程方面具有明显优势。