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。

均衡数据法提高蛋白质二级结构预测

传统蛋白质二级结构预测,由于氨基酸序列中三种结构数量的差异,易造成不均衡训练,使得对三种结构的预测准确率差别较大。为改善这种缺陷,受装袋原理的启发,对传统方法进行改进,缩小训练时三种结构数量的差距。在实验中,采用数据集CB396,结果表明该方法能够显著提高对折叠的预测正确率,而且在总的预测正确率上达到77.3%,可以较好地进行蛋白质二级结构预测。

基于差分进化算法的MHC-I结合亲和力预测方法

在细胞免疫反应中,抗原表位与MHCs的结合扮演着重要角色。预测多肽与MHC分子结合的准确率已有很大的进步,最近,MHC-多肽的结合预测模型趋向预测结合力亲和力的大小,代替了以前判断多肽是"结合"和"不结合"的预测结果,在本文中,使用了差分进化算法与位置特异性得分矩阵相结合的方法来预测多肽与MHC-I的结合亲和力。