学位论文 > 优秀研究生学位论文题录展示

膜蛋白跨膜螺旋结构预测研究

作　者: 于海瑛
导　师: 於东军
学　校: 南京理工大学
专　业: 计算机应用技术
关键词: 膜蛋白跨膜螺旋结构预测自组织映射网络 K近邻支持向量机
分类号: Q51
类　型: 硕士论文
年　份: 2012年
下　载: 51次
引　用: 0次
阅　读: 论文下载

内容摘要

近年的研究表明,某些膜蛋白结构或者功能的改变与人类疾病的产生有着密切的联系,相应受体膜蛋白也成为药物设计的重要靶点,因此分析膜蛋白的结构意义重大。传统生物学实验测定膜蛋白结构的方法,存在着测定过程复杂,实验周期长等缺点,因此利用模式识别技术来预测膜蛋白结构成为一个非常有效的手段。本文研究膜蛋白跨膜螺旋预测：使用自组织映射网络(SOM)对训练集样本进行学习,以消除样本噪声并得到样本的分布特性；学习得到的样本的分布特性编码在SOM的权向量中,并作为优化后的训练样本。在预测阶段,采用K近邻(KNN)和支持向量机,首先计算出膜蛋白序列中每个氨基酸属于跨膜的概率,然后使用动态阈值分割技术得到膜蛋白的跨膜段。在两个标准数据集上的交叉验证实验结果表明：使用SOM进行样本的预处理可以显著提升预测的速度,并在一定程度上提升预测精度。与THUMBUP、HMMTOP、SOSUI、DAS-Tmfilter、TOP-PRED、TMHMM、PHOBIUS、MemBrain八种常见跨膜螺旋预测方法的比较结果表明,本文所述方法的总体预测精度高于前7种,而略低于MemBrain,表明了本文方法的有效性。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-11
  1.1 研究背景和意义  8-9
  1.2 国内外研究概况  9
  1.3 论文结构和内容安排  9-11
2 膜蛋白的结构及常用预测方法  11-23
  2.1 膜蛋白  11-16
    2.1.1 蛋白质的分子组成  11-14
    2.1.2 蛋白质的结构层次  14
    2.1.3 膜蛋白的结构  14-16
  2.2 膜蛋白跨膜螺旋结构预测的研究现状及进展  16-22
    2.2.1 跨膜螺旋结构预测方法  16-20
    2.2.2 最新研究进展  20-21
    2.2.3 常用预测方法网站  21-22
  2.3 本章小结  22-23
3 特征提取及分类算法  23-36
  3.1 特征提取  23-26
    3.1.1 位置特异性得分矩阵(PSSM)  23-24
    3.1.2 提取特征向量  24-26
  3.2 分类算法  26-33
    3.2.1 自组织特征映射网络(SOM)  26-28
    3.2.2 支持向量机(SVM)  28-31
    3.2.3 K近邻算法(KNN)  31-33
  3.3 预测流程  33-35
  3.4 本章小结  35-36
4 实验与分析  36-56
  4.1 性能评价指标  36-37
  4.2 实验数据集  37-40
  4.3 实验过程及结果  40-54
    4.3.1 基于SOM的训练集预处理  40
    4.3.2 SOM-KNN  40-47
    4.3.3 SOM-SVM  47-48
    4.3.4 对比实验  48-53
    4.3.5 交叉验证实验  53-54
  4.4 本章小结  54-56
5 总结与展望  56-58
  5.1 工作总结  56
  5.2 工作展望  56-58
致谢  58-59
参考文献  59-62
附录  62

膜蛋白跨膜螺旋结构预测研究

内容摘要

全文目录

相似论文