基于氨基酸约化和统计特征的蛋白质亚细胞定位预测-论文.pdf

《基于氨基酸约化和统计特征的蛋白质亚细胞定位预测-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第13卷第2期生物信息学V01．13NO．220l5年6月ChineseJournalofBioinformaticsJun．，2015doi：10．3969／j．issn．1672—5565．2015．02．05基于氨基酸约化和统计特征的蛋白质亚细胞定位预测杨红，徐慧敏，严寿江，陈静，耿丽丽，姚玉华(1．青岛滨海学院，青岛266555；2．浙江理工大学生命科学学院，杭州310018)摘要：蛋白质亚细胞定位预测对蛋白质的功能、相互作用及调控机制的研究具有重要意义。本文基于物化性质和结构性质对氨基酸的约化．描述序列局部和全局信

2、息的“组成”、“转换”和“分布”特征，并利用氨基酸亲疏水性的数值统计特征，提出了一种新的蛋白质特征表示方法(NSBH)。分别使用三种分类器KNN、SVM及BP神经网络进行蛋白质亚细胞定位预测，比较了几种方法和特征融合方法的预测结果，显示融合特征表示及结合SVM分类器时能够达到更好的预测准确率。同时，还详细讨论了不同参数对实验结果的影响。具体的实验及比较结果显示了该方法的有效性。关键词：蛋白质亚细胞定位；氨基酸物化性质；支持向量机中图分类号：Q811文献标志码：A文章编号：1672-5565(2015)-02-103-08Pr

3、oteinsubcellularlocalizationpredictionbasedonreducedrepresentationofaminoacidandstatisticalcharacteristicYANGHong，XUHuimin，YANShoujiang，CHENJing，GENGLili，YAOYuhua(1．QingdaoBinhaiUniversity，Qingdao266555，China；2．CollegeofLifeSciences，ZhejiangSci—TechUniversity，Hangz

4、hou310018，China)Abstract：Theproteinsubcellularlocalizationpredictionisimportanttostudytheproteinfunction，proteininteractionandtheirregulationmechanism．Inthispaper，basedonfouraminoacidsphysicochemicalprope~iesandstructuralproperties，Wedescribethelocalandglobalinform

5、ationofsequenceby‘component’，‘transition’and‘distribution’．Usingthenumericalstatisticalcharacteristicofhydrophobic／hydrophilicaminoacid，weproposedanewproteinfeaturerepresentation．Wecomparethepredictionresultsbetweentheproposedmethodsandfusionmethodwiththeclassifica

6、tionalgorithmKNN，SVMandBP．TheresultsshowthatfusionmethodwithSVMcangetbetterpredictionaccuracies．Meantime，wealsodiscusstheeffectsofdifferentparametersontheexperimentalresults．Thedetailedexperimentalandcomparisonresultsshowtheeffectivenessoftheproposedmethod．Keywords

7、：Subcellularlocalization；Physicochemicalproperties；Supportvectormachine(SVM)蛋白质是生命的物质基础，是构成细胞的基本3939条1]。采用实验方法确定蛋白质的亚细胞定有机物，是生命活动的主要承担者。然而，蛋白质只位需要耗费大量的人力、物力、财力。已经无法满足有在特定的亚细胞位置中才能行使其特定的功能。数据库中蛋白质序列爆炸性增长的现实需要。从已随着高通量技术的发展，很大数量的蛋白质序列正积累的知识和数据出发，开发蛋白质亚细胞定位预日益增长并被整理和存人

8、到公共的生物数据库。根测的计算机方法就成为了当前的重要研究任务。据2014年2月发布的统计表明。UniProtKB／Swiss—在使用计算方法来确定蛋白质亚细胞位置的研Prot包含542258条序列。然而在1986年仅仅是究方面。人们已经做出了很多的尝试l2]．近年来这收稿日期：2015-