基于gsvm的蛋白质磷酸化功能聚类

基于gsvm的蛋白质磷酸化功能聚类

ID:35179500

大小:6.73 MB

页数:68页

时间:2019-03-20

基于gsvm的蛋白质磷酸化功能聚类_第1页
基于gsvm的蛋白质磷酸化功能聚类_第2页
基于gsvm的蛋白质磷酸化功能聚类_第3页
基于gsvm的蛋白质磷酸化功能聚类_第4页
基于gsvm的蛋白质磷酸化功能聚类_第5页
资源描述:

《基于gsvm的蛋白质磷酸化功能聚类》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、-*/\广I巧古学位论文基于GSVM的蛋白质碟酸化功能聚类''-一:"^;.V'方.扣.王芝琪'''J.■'-,V乃.''V齡:.V,扩度思絮I■:午号-..三.V入V三',—.’'.一'一.-.,咬:心户...、,?、.-.:'之石二;殘房乂聲‘、一巧.;I'--.,vV二〇—六年六月—V,..:寺''.?.1’','.,'■-1—■...V";:片;.V-—.?,1-..

2、八’,分类号TP391密级公开UDC硕±学位论文基于GSVM的蛋白质磯酸化功能聚类王艺琪学科专业计算机软件与理论指导教师陈庆锋教授论文答辩日期2016年5月23日学位授予曰期日年向答辩委员会主席葛丽娜教授广西大学学位论文原创性和使用授权声明本人声明所呈交的论文,是本人在导师的指导下独立进行研巧所取得的研巧成果。除己特别加示注和致谢的地方外,论文不包含任何其他个人或集体已经发表或撰写的研究成果,也不包含本人或他人为获得广西大一学或其它单位的学位而使用过的材料。与我同工作的同事对本论文的

3、研巧工作所做的贡献巧己在论文中作了明确说明。本人在导师指导下所完成的学位论文及相关的职务作品,知识产权归属广西大学。本人授权广西大学拥有学位论文的部分使用权,目P:学校有权保存并向国家有关部口或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅,可将学位论文的全部或部分内容编入有关数据库进行、检索和传播,可W采用影印缩印或其它复制手段保存、汇编学位论文。本学位论文属于:□保密,在年解密后适用授权。囚^保密。""请在上相应方框内打V()论文作者签名;去么处日期:必/作W化回指导教师签名日期:2

4、6/^<、/S作者联系电话::电子邮箱基于GSVM的蛋白质稱酸化功能聚类摘要蛋白质磯酸化在细胞生长、分化、调亡整个过程中扮演至关重要的角色。磯酸化蛋白质的特定位点能起到开关该蛋白质某种功能的目的,从而实现在不同生物过程中该蛋白发挥不同作用的目的一过程是通过磯酸。这激酶催化来实现的。同时,踞酸激酶的催化作用也可被抑制剂终止。阻止磯酸激酶对蛋白质的磯酸化研究表明,磯酸化异常是导致人类疾病一的重要原因之,通过抑制剂终止磯酸激酶的催化作用,将异常磯酸化功能阻断,可实现疾病治疗。因此,磯酸激酶及其抑制剂的交互作用

5、是当一今病理学和生物信息学研究的热口问题之。现有与鱗酸激酶研究相关的算法主要集中于磯酸位点的预测,然而大多己预测的憐酸狀的磯酸激酶信息未知。而且现有算法在阔值选取及窗口长度划分问题上多采用定值,导致算法只能处理部分数据,而对另外部分数据失效。除此之外,磯酸激酶信息的缺失,对抑制剂的筛选影响很大。,鉴于此,本文旨在设计有效算法确定催化蛋白质的磯酸激酶W及能与磯。酸激酶相互作用从而终止磯酸化过程的抑制剂本文研究主要工作如下;1针对磯酸激酶信息缺失的问题,设计了基于贝叶斯的磯酸激酶预测()。算法该算法结合信息搁及大津

6、法筛选磯酸狀有效位点,在最佳窗口长度下,通过计算磯酸激酶信息缺失的磯酸狀序列贝叶斯条件概。率,预测其最可能的磯酸激酶I2针对磯酸激酶抑制剂维度很高的问题,设计了基于GSVM的磯酸()-。激酶抑制剂筛选算法该算法通过粒度划分,准确筛选磯酸激酶。li抑制剂特征,从而提高分类性能同时,利用PlatScang计算样一本权重,构造带权分类算法进步提高分类性能。3-针对踞酸激酶抑制剂正样本较少,未标记样本很多的情况,本文()对磯酸激酶抑制剂筛选算法采用了半监督学习算法(PUlearnin)g建模。PUlearni

7、ng算法设计初衷就是处理正样本较少、未知样本-很多的问题,因此能很好的预测磯酸激酶抑制剂结合问题。同时,该研究把PUlearning算法与GSVM相结合,构造多级分类器,提高了对未标记磯酸激酶-抑制剂交互作用分类的性能。实验结果表明,本文采用基于贝叶斯及大津法自适应阔值的磯酸激酶预测算法在特异性、敏感性及准确度上比已知磯酸激酶预测算法有很大提-。liGSVM的高同时,本文设计的基于PUearnng和磯酸激酶抑制剂预测-算法性能突出,具有很强的泛化能力,提高了预测磯酸激酶抑制剂交互作用的能力。关键词:GSVM

8、PU学习磯酸激酶抑制剂IIClusterinFunctionofPhoshorla村onbasedonGSVMg

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。