基于LSTM网络的多源信息B细胞表位预测研究

《基于LSTM网络的多源信息B细胞表位预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：公开论文类型：应用研究工程硕士学位论文基于LSTM网络的多源信息B细胞表位预测研究StudyonthePredictionofBCellEpitopesBasedonLSTMNetworkwithMultipleSourceInformation培养单位：信息科学与技术学院专业领域：计算机技术学生姓名：柳凌云校内导师：綦朝晖教授校外导师：成彬研究员二○一八年六月独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含

2、为获得石家庄铁道大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：日期：关于论文使用授权的说明本人完全了解石家庄铁道大学有关保留、使用学位论文的规定，同意学校保留并向有关部门送交论文的复印件和电子版本，允许论文被查阅和借阅，同意学校将论文加入《中国优秀博硕士学位论文全文数据库》和编入《中国学位论文全文数据库》。本人授权石家庄铁道大学，可以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内容。(保密的论文在解密后应遵守此规定)作者签名：日期：导师签名：日

3、期：摘要近年来随着生物学研究的不断深入，表位预测成为研究的热点问题。体液免疫应答是由机体受到外界刺激后，自身机体分泌抗原，刺激B细胞产生的。免疫过程中，表位发挥了重要了作用。B细胞表位是抗原中能被B细胞抗原受体识别并与之发生反应的片段。采用实验方法进行B表位预测可以获得较为准确的结果，但是花费时间长，消耗人力、物力，财力的成本都很高。因此，利用计算机进行B细胞表位预测的方法以其低成本、高速度的特点得到了广泛的应用。为了提高表位预测效果，本文以IEDB数据库表位数据为研究对象，提出了基于LSTM网络的多源信息表位预测模型，并选取氨基酸三种不同的特征

4、信息来源，进行表位预测。通过使用提出的预测模型对两个数据集进行分析，能够挖掘表位和非表位的差异特征，并以此作为疫苗研制的理论基础和依据。论文主要工作包括。(1)提出了多源特征信息提取方法。该方法对源于B细胞表位片段的三种特征信息进行数字化表示，并分别分析了这三种特征对表位预测的影响，及其对抗原表位正负样本的区分能力，表明了选取特征信息的有效性。(2)提出了基于LSTM网络的多源信息B细胞表位预测模型。该模型首先对获取的三种数字化特征信息进行归并，再利用主成分分析方法进行降维融合，构建了基于LSTM网络的预测模型。并在两个数据集上，对支持向量机、循

5、环神经网络和LSTM网络等三种预测模型进行对比实验研究。结果表明提出的预测模型融合了多种表位特征，增大了特征中的信息量，同时使用降维方法减少了特征中的冗余信息，提高了预测模型的准确率。(3)将本文提出的LSTM预测模型对已标记表位的朊病毒蛋白序列PRNP进行预测研究，并把预测结果与已标记表位进行对比分析，进一步说明了提出模型的预测性能。关键词：多源信息；线性B细胞表位；特征提取；LSTM网络；循环神经网络AbstractInrecentyears,withthedeepeningofbiologicalresearch,epitopepredic

6、tionhasbecomeahottopicofresearch.Whenthebodyisstimulatedbyexternalantigens,itcansecreteantigens,stimulateBcellsandcausehumoralimmuneresponse.Epitopesplayanimportantroleintheimmuneprocess.BcellepitopesarefragmentsofanantigenthatarerecognizedbyandreactwithBcellantigenreceptors.

7、ExperimentalmethodsforBepitopepredictioncangetmoreaccurateresults,butittakesalongtimeandconsumesmanpower,materialresourcesandfinancialrescourcesathighcosts.Therefore,theuseofcomputerB-cellepitopepredictionmethodforitslow-cost,high-speedfeatureshavebeenwidelyused.Inordertoimpr

8、ovetheeffectofepitopeprediction,inthispaper,wetaketheepitopedatainth