基于不同算法的Motif预测比较分析与优化

研究转录因子结合位点(TFBs)的主要预测模型及其预测的算法,通过基于调控元件预测的3种代表性的算法MEME、Gibbs采样和Weeder预测拟南芥基因组。比较结果表明,Gibbs采样算法和Weeder算法预测长、短motif效率较高。重点分析MEME算法,提出结合不同算法查找motif的优化方法,并以实验验证该方法能有效提高预测效率。

一种对预测Motifs算法的评价策略

主要研究了如何评价蛋白质家族Motifs预测算法的预测结果,目的是在对传统的算法预测问题分析优化的基础上,制定新的评价策略。主要方法是通过对MEME算法和PKG算法预测结果的比较分析,计算同一家族中Motifs的敏感性和特异性并比较它们对应的ROC曲线,确定真实的Motifs,进而获得该蛋白质家族的最佳Motifs的模型。实验结果表明这种评价策略可用于算法对蛋白质家族Motifs预测结果的评价,还可利用确定的最佳Motifs搜索数据库来预测蛋白质家族中其他的Motifs。

预测Motifs算法的改进评价策略

论文主要研究了如何评价蛋白质家族Motifs预测算法的预测结果,在对传统的算法预测问题分析优化的基础上,制定新的评价策略。工作重点是通过对MEME算法和PKGE算法预测结果的比较分析,计算同一家族中Motifs的敏感性和特异性并比较它们对应的ROC曲线,确定真实的Motifs,进而获得该蛋白质家族的最佳Motifs的模型。实验结果表明这种评价策略可用于算法对蛋白质家族Motifs预测结果的评价,还可利用确定的最佳Motifs搜索数据库来预测蛋白质家族中其他的Motifs。

基于贪心EM的模体预测算法

论文主要研究了Motif预测的算法,在贪心EM预测算法基础上进行分析优化,并制定新的预测方法。工作重点是在参数的初始化,对参数模型的重新划分并引入Kd-树的层次聚类的方法,建立新算法。预测结果表明,在预测较大数据集方面PKGE算法有一定的优势,尤其是对同一物种的序列预测具有更强的搜索和分类能力,在没有改变时间复杂度的前提下显著地提高了搜索的效率。

一种基于贪心EM的改进预测算法

本文主要研究了Motif预测算法,在贪心EM预测算法基础上进行分析优化,并形成新的预测方法。工作重点是在参数的初始化,对参数模型的重新划分并引入Kd-树的层次聚类的方法,建立新的PKG算法。预测结果表明,在预测较大数据集方面新算法有一定的优势,尤其是对同一物种的序列预测具有更强的搜索和分类能力,在没有影响时间复杂度的前提下显著的提高了搜索的效率。

气味结合蛋白OBPs在意大利蜜蜂头部表达模式的研究

昆虫气味结合蛋白(OBPs)是脂溶性化学物质的载体,参与了嗅觉识别和化学传输等生理过程。本研究利用MEME在线软件对意大利蜜蜂Apis mellifera ligustica OBPs基因家族21条氨基酸序列进行Motif预测分析;采用RT-PCR初步筛选出在意大利蜜蜂头部表达量较高的OBPs基因,然后利用qPCR技术对筛选出的基因进一步分析其在不同日龄内勤蜂头部的表达情况。结果表明,在预测获得的6个motif中,motif 1为21个OBPs所共有,具有极高的保守性,推测该序列元件可能是意大利蜜蜂OBPs与底物结合的区域;表达谱分析结果表明,13个OBPs基因的凝胶电泳条带明显(即在头部的表达量较高),且大多数基因在4日龄时表达量达到最高值,推测这类蛋白可能参与了幼虫信息素和糖类物质的识别过程。本研究结果丰富了蜜蜂OBPs表达特性的研究数据,同时也为探讨昆虫OBPs广泛的生理功能奠定了基础。

Pla a 1序列分析及三维结构建模

联合运用多种方法预测Pla a 1的亲水性及其二级结构,利用同源建模法建构Pla a 1的三维结构模型,在nb数据库中进行BLAST并构建同源进化树,在Scan Prosite数据库中进行Motif预测,对Pla a 1进行序列分析并进行三维结构建模。该蛋白是一个主要为α+β结构的亲水性蛋白,预测其具有一个蛋白激酶C的磷酸化位点,一个N豆蔻酰化位点和三个酪蛋白激酶Ⅱ磷酸化位点。Pla a 1具有较强的信号转导作用,且与拟南芥的果胶(甲)酯酶抑制剂在进化上具有较近的亲缘关系;所预测的三维结构基本能反映出Pla a 1真实的空间构象,这将为今后进一步理解和掌握Pla a 1结构和功能上的关系打下理论基础。