基于同源建模的蛋白质结构预测方法的研究.pdf

《基于同源建模的蛋白质结构预测方法的研究.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27卷第9期河南科学Vol.27No.92009年9月HENANSCIENCESep.2009文章编号：1004-3918（2009）09-1108-03基于同源建模的蛋白质结构预测方法的研究陈红梅，周俊祥（商丘师范学院计算机科学系，河南商丘476000）摘要：针对profile-profile方法中profile中出现的数据稀疏问题所采用的数据平滑技术以及对于生成排列过程中对于新的计分体系所采用的动态规划算法，并且在HOMSTRAD数据库上进行的排列精度实验，结果证明采用profile-profile方法并结合数据平滑和动态规划技术可以有效地提高查询序列和目标序列的排列精度.关键词：

2、蛋白质结构预测；同源建模；数据平滑中图分类号：O24文献标识码：A生物信息学作为一门新的学科，它把基因组DNA序列分析作为源头，在获得蛋白质编码区的信息后进行蛋白质空间结构模拟和预测，然后依据特定蛋白质的功能进行必要的药物设计.因此在生物信息学的研究中，确定蛋白质序列的功能也就成为一个重要的方向.但是在目前已知的蛋白质序列数据库中，已经根据实验测出其结构和功能的蛋白质只占其中的小部分，远远无法满足实际应用的需要，于是开发自动处理未知蛋白质序列的方法成为一个越来越重要的问题.1蛋白质结构预测过程不同来源或者不同生物功能的蛋白质可能有相似的结构，通常认为序列相似意味着结构相似.因此，同[1-

3、2]源建模法就是利用结构已知的家族成员（模板）预测新序列的结构.同源建模法一般包含以下几个步骤：第一，识别模拟的模板；第二，目标序列和模板序列的排列；第三，构建模型；第四，构建非保守的loop区；第五，安装侧链；第六，模型修饰；第七，结构合理性评估.本文重点讨论的内容是采用数据平滑技术提高目标序列和模板序列的排列精度，以及对两种数据平滑算法精度的实验数据分析.2目标序列和模板序列的排列2．1排列过程概述[3]在查询序列和目标序列的排列这个过程中，通过局部对比排列搜索工具BLAST获得了查询序列的模[4]板，这里我们将要采用引入进化信息的profile-profile方法完成双序列的排列.

4、首先，通过识别模板的过程，获得两个输出的频度profile和对数profile；接着，在处理中运用数据平滑技术对频度profile中出现的数据稀疏进行平滑并获得频率profile；然后，通过获得的频率profile以及对数profile构建新的计分体系；再者，通过带有空位罚分的动态规划算法结合所构建的计分体系获得查询序列和目标序列的排列；最后，在HOMSTRAD数据库中，测试查询序列和目标序列的排列的精度并且做出详细的分析.2．2Profile-profile比对方法为了提高相关联蛋白质的检测质量，对于查询序列以及模板序列引入进化信息是一种经常被应用的方法.Profile-profile

5、比对方法就是这样一种将序列之间的进化信息考虑在内的一种方法.在具体应用Profile-profile比对方法时，不同的profile-profile方法的本质区别在于如何计算两个profile位置之间的分数，其中profile是一个向量集，每个向量包含了多序列比对中每种氨基酸在多序列比对的一个特殊位置所出现的频度.2．3数据平滑技术[5]数据平滑技术是自然语言处理中的重要方法.对于汉语统计语言模型的构造技术，其研究目的在于：收稿日期：2009-04-15基金项目：国家自然科学基金项目（50323001）作者简介：陈红梅（1973－），女，河南虞城人，讲师，硕士研究生，主要研究方向为计算数

6、学.2009年9月陈红梅等：基于同源建模的蛋白质结构预测方法的研究-1109-通过对大规模真实语料库中的词的上下文同现频度进行统计，获取词的上下文同现概率数据.对于基于词的i-1N-gram模型来说，根据最大似然估计原则（MaximumLikelihoodEstimation），词的上下文条件概率p（w│iwi-N+1）被ii-1c（wi-N+1）估计为如公式（1）所示：p（w│iwi-N+1）=，（1）Σiwi-N+1wiii其中：c（wi-N+1）表示词串wi-N+1在训料文本T中的出现次数.基于以上数据平滑技术的介绍，并结合蛋白质结构预测中的profile-profile方法所生成

7、的频率profile和对数profile，本文选择了加法数据平滑和Good-Turing数据平滑技术.2．3．1加法平滑Lidstone，Johnson和Jeffreys等人提出了一种简单易行的数据平滑方法，称作加法平滑（additiveSmoothing）.它的基本思想是：为了避免零概率问题，将N-gram模型中每个N元对的出现次数加上一个常i-1数δ（0<δ≤1），相应的N-gram模型参数padd（w│iwi-N+1）计算公式