蛋白质-RNA相互作用预测方法研究

《蛋白质-RNA相互作用预测方法研究》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、分类号：学校代号：10150UDC：密级：学号：20132258硕士学位论文蛋白质-RNA相互作用预测方法研究Thepredictionmethodsofprotein-RNAinteractions学生姓名：李享云导师：汪颖学科门类：理学专业名称：数学研究方向：生物信息学申请学位级别：硕士论文答辩日期：2016年12月14日学位授予单位：大连交通大学大连交通大学理学硕士学位论文摘要摘要蛋白质和RNA相互作用对于细胞功能的行使具有重要意义。蛋白质和RNA的相互作用在许多关键的细胞生命过程中，如细

2、胞运动、物质转运、染色体复制、转录与翻译、信号转导等，都是必不可少的。近几年，随着蛋白质和RNA复合物实验数据的陆续增加，使得蛋白质和RNA相互作用问题的研究成为当前的一个重要研究课题。蛋白质和RNA相互作用的预测方法主要可以归为两类：一类是实验的方法，另一类是计算的方法。利用实验的方法预测相互作用存在着很多弊端，即耗时又费力，因此利用计算的手段预测相互作用还是比较受欢迎的。利用计算手段预测蛋白质-RNA相互作用，关键在于分类器模型的构建，不同分类器模型性能不尽相同。为了更深入了解不同分类器的分

3、类性能，本文首先分析并比较了朴素贝叶斯、支持向量机（SVM）以及随机森林（RF）这3种分类器，归纳总结它们分类性能的优缺点。其次，本文又利用了相关数据库中普遍存在的蛋白质和RNA的序列信息，鉴别蛋白质和RNA的相互作用。本文基于蛋白质和RNA的序列信息，构建蛋白质-RNA相互作用预测模型。先通过来自PDB的3149个蛋白质和RNA相互作用对，得到的氨基酸三联体-核苷酸的整体倾向性，然后重新定义了一个权重倾向性度量，用来度量单个蛋白质-RNA序列对中三联体-核苷酸相互作用个体倾向性。基于此倾向性以

4、及氨基酸三联体和核苷酸成分特征构建预测模型。为了避免特征的冗余性，利用特征选取方法选取显著性特征。通过比较，计算结果证实了本文中预测模型（SVM模型和RF模型）和算法的有效性和可行性。针对同一组数据集，利用同样的预测方法进行预测，有效的计算结果进一步证实了我们构建的三联体-核苷酸的个体倾向性度量特征在蛋白质-RNA相互作用预测中发挥着重要的作用。关键词：蛋白质-RNA相互作用；分类器；分类性能；相互作用倾向性；SVM；随机森林I大连交通大学理学硕士学位论文AbstractProtein-RNAi

5、nteractionsalwaysplayedakeyroleinthecellularfunctions.Manycriticalcellularprocesses,suchascellmotility,materialtransport,chromosomereplication,transcriptionandtranslation,signaltransductionandsoon,areessentialforprotein-RNAinteractions.Withtheincreas

6、eoftheexperimentaldataofprotein-RNAcomplexesinrecentyears,thepredictionofprotein-RNAinteractionsbecomesanurgentandimportantissueatpresent.Thepredictionmethodsofprotein-RNAinteractionshavebeenmainlydividedintotwocategories:oneisthecomputationalmeans,a

7、ndtheotheristheexperimentalmeans.Therearemanydisadvantagesinpredictingtheinteractionbyusingexperimentalmeans,timeconsumingandlaborious,sothecomputationalmeansarewelcomeforpredictingtheprotein-RNAinteractions.Forpredictingtheprotein-RNAinteractionsbyu

8、tilizingthecomputationalmeans,thekeyproblemliesintheconstructionofclassifiermodels.Theperformanceofclassificationisdifferentfordifferentclassifiers.Inordertofurtherunderstandtheclassificationperformanceofdifferentclassifiers,thispaperfirstsummarizest