学位论文 > 优秀研究生学位论文题录展示

基于SVM的跨膜蛋白结构预测应用研究

作　者: 唐剑锋
导　师: 吕强；吴宏杰
学　校: 苏州大学
专　业: 计算机技术
关键词: 跨膜蛋白支持向量机 β桶状 α螺旋内在膜蛋白
分类号: Q51
类　型: 硕士论文
年　份: 2011年
下　载: 49次
引　用: 0次
阅　读: 论文下载

内容摘要

膜蛋白是一种具有重要生物功能的蛋白质,在生物体中发挥着极其重要的作用。尽管磷脂双分子层构成了生物膜的基本框架,然而膜蛋白却始终是膜功能的主要体现者,是细胞执行各种功能的物质基础。根据蛋白质的序列信息预测是否属于β桶状跨膜蛋白、是否属于α螺旋跨膜蛋白和是否属于内在膜蛋白等是跨膜蛋白3D结构预测和功能分析的重要先导步骤,也是蛋白质预测领域中的一个挑战性问题。本文就重点对跨膜蛋白结构预测进行研究。跨膜蛋白序列的特征提取是跨膜蛋白预测研究中最为基本的问题,也是决定分类预测质量的关键。本文从跨膜蛋白的一级序列出发,提出和实现了不同的特征提取算法,并且在所选择的数据集MCP1087上进行了10-叠交叉检验和比较分析。采用了融合氨基酸组成位置和物理化学特性的特征提取方法,利用支持向量机的分类算法构建了预测跨膜蛋白是否属于β桶状跨膜蛋白的模型、预测跨膜蛋白是否属于α螺旋跨膜蛋白的模型和预测跨膜蛋白是否属于内在膜蛋白的模型。在实验中,通过不同的探索,寻求更有效的特征提取方法。第一,以单一氨基酸残基指数计算残基指数相关系数,并根据单一氨基酸残基指数预测结果的优劣,选择不同的多个氨基酸残基指数的最优组合;第二,在氨基酸组分的基础上,加入氨基酸残基在蛋白质序列中的位置信息,更深层次地挖掘蛋白质序列中所蕴含的特征,避免了丢失蛋白质序列中氨基酸位置顺序的信息;第三,改变自相关函数的阶数,充分挖掘蛋白质序列中氨基酸残基的长程相关性信息,进一步提高模型的分类预测性能。本文中构建的三个分类预测模型在测试集上的分类精确度最高分别达到了88.36%、87.89%和94.41%,MCC相关系数分别为0.7723、0.7667和0.8907。本文详细的实验结果表明,基于SVM的跨膜蛋白结构预测能够为跨膜蛋白3D结构预测和功能分析提供有价值的支持。

基于SVM的跨膜蛋白结构预测应用研究

内容摘要

全文目录

相似论文