蛋白質(zhì)的空間結(jié)構(gòu)決定了其生物學(xué)功能,識(shí)別和預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)類有助于進(jìn)一步了解更高層次的蛋白質(zhì)結(jié)構(gòu)特征,為蛋白質(zhì)的功能研究及其相關(guān)藥物設(shè)計(jì)提供了重要線索。常規(guī)的生物實(shí)驗(yàn)方法可以識(shí)別蛋白質(zhì)結(jié)構(gòu)類,但成本較高無法滿足大規(guī)模蛋白質(zhì)結(jié)構(gòu)類分析的需求。利用蛋白質(zhì)序列信息矢量表示和機(jī)器學(xué)習(xí)算法來預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)類,可以解決大規(guī)模蛋白質(zhì)結(jié)構(gòu)分析任務(wù)。為了提高蛋白質(zhì)結(jié)構(gòu)類預(yù)測(cè)的準(zhǔn)確率,本文主要對(duì)蛋白質(zhì)序列特征提取和多核學(xué)習(xí)等內(nèi)容展開研究。使用多種特征提取方式對(duì)蛋白質(zhì)氨基酸序列進(jìn)行特征融合,然后采用多核支持向量機(jī)方法來識(shí)別和預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)類別。主要工作內(nèi)容如下:（1）構(gòu)建了一個(gè)多信息融合的蛋白質(zhì)序列組合特征集。針對(duì)蛋白質(zhì)序列特征表示,分析了多類特征提取方法,包括氨基酸組分、多肽組分、偽氨基酸組分和平均化學(xué)位移,以及低方差過濾、主成分分析等多類特征選擇方法。首先采用 PseAAC（Pseudo Amino Acid Composition）、DPC（Dipeptide Composition）、OTC（Optimal Tripeptide Composition）、和ACS（Average Chemical S... 

【文章來源】：陜西科技大學(xué)陜西省

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖４－２蛋白質(zhì)序列樣本??Ｆｉｇ．?４－２?Ｓａｍｐｌｅ?ｏｆ?ｐｒｏｔｅｉｎ?ｓｅｑｕｅｎｃｅ??

過多有效信息的ＯＴＣ無法完成蛋白質(zhì)序列的信息表征，因此使用主成分分析對(duì)??ＯＴＣ特征進(jìn)行降維，降維產(chǎn)生了新的特征且包含所有原特征的信息。??１?ｆ?ｉ?—?Ｃ?Ｃ?Ｃ?Ｃ?ｔ?＂Ｔ??０．８?［■?／?Ｊ??運(yùn)?ｉ??＊５?／??５〇．６＇?／?－??堪?／??ＨＥｎ?／??ｍｎ，?Ｉ?」??忪０勺??坦?Ｉ??＃?丨??０．２?ｊ?－??°０?１０００?２０００?３０００?４０００?５０００?６０００?７０００?８０００??特征維數(shù)??圖４－３?ＯＴＣ特征降維后貢獻(xiàn)值曲線??Ｆｉｇ．?４－３?Ｃｏｎｔｒｉｂｕｔｉｏｎ?ｃｕｒｖｅ?ｏｆ?ＯＴＣ?ｆｅａｔｕｒｅ?ａｆｔｅｒ?ｄｉｍｅｎｓｉｏｎ?ｒｅｄｕｃｔｉｏｎ??圖４－３中橫坐標(biāo)是主成分分析對(duì)ＯＴＣ特征降維后的維數(shù)，橫坐標(biāo)是特征降維后的方??差信息貢獻(xiàn)率的綜合。由圖４－３可知，ＯＴＣ特征降維至３０００維時(shí)，方差貢獻(xiàn)率綜合可??達(dá)到０．９９，這意味著主成分分析方法將ＯＴＣ特征降維至３０００時(shí)，去除信息噪音和冗余??２７??

圖４＞４?ＤＰＣ特征熱圖??Ｆｉｇ．?４－４?ＤＰＣ?ｆｅａｔｕｒｅ?ｈｅａｔ?ｍａｐ??

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)[J]. 郭延哺,李維華,王兵益,金宸.  模式識(shí)別與人工智能. 2018(06)
[2]蛋白質(zhì)中殘基遠(yuǎn)程相互作用預(yù)測(cè)算法研究綜述[J]. 張海倉(cāng),高玉娟,鄧明華,鄭偉謀,卜東波.  計(jì)算機(jī)研究與發(fā)展. 2017(01)
[3]基于AFSA-SimpleMKL對(duì)振動(dòng)篩建模及篩機(jī)優(yōu)化[J]. 李占福,童昕.  工程設(shè)計(jì)學(xué)報(bào). 2016(02)
[4]基于有向雙關(guān)系圖和多核融合的蛋白質(zhì)功能預(yù)測(cè)[J]. 孟軍,刁印.  計(jì)算機(jī)應(yīng)用. 2014(12)
[5]蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的多核學(xué)習(xí)方法[J]. 連云涓,熊惠霖.  計(jì)算機(jī)應(yīng)用. 2013(S1)
[6]基于混合SVM方法的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)算法[J]. 隋海峰,曲武,錢文彬,楊炳儒.  計(jì)算機(jī)科學(xué). 2011(10)
[7]蛋白質(zhì)結(jié)構(gòu)分類與結(jié)構(gòu)類預(yù)測(cè)研究[J]. 張春霆.  中國(guó)科學(xué)基金. 2000(05)

博士論文
[1]基于群智能算法的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)研究[D]. 陳燁.中國(guó)礦業(yè)大學(xué) 2018
[2]基于群智能方法的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)研究[D]. 張巖.上海交通大學(xué) 2016
[3]蛋白質(zhì)結(jié)構(gòu)類與亞細(xì)胞定位預(yù)測(cè)中的特征提取方法研究[D]. 梁蕓蕓.西安電子科技大學(xué) 2017
[4]多核學(xué)習(xí)算法研究[D]. 劉新旺.國(guó)防科學(xué)技術(shù)大學(xué) 2013
[5]基因數(shù)據(jù)信息分析方法及應(yīng)用研究[D]. 吳蓉暉.湖南大學(xué) 2012
[6]進(jìn)化分析與結(jié)構(gòu)預(yù)測(cè)中的若干問題研究[D]. 丁淑妍.大連理工大學(xué) 2012
[7]蛋白質(zhì)與RNA中的若干問題研究[D]. 張勝利.大連理工大學(xué) 2011
[8]基于智能計(jì)算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測(cè)研究[D]. 趙培英.東華大學(xué) 2010
[9]基于支持向量機(jī)的蛋白質(zhì)結(jié)構(gòu)域預(yù)測(cè)方法研究[D]. 鄒淑雪.吉林大學(xué) 2009

碩士論文
[1]基于多核學(xué)習(xí)的蛋白質(zhì)序列分類問題的研究與應(yīng)用[D]. 連秋雨.電子科技大學(xué) 2019
[2]面向流數(shù)據(jù)的多任務(wù)多核在線學(xué)習(xí)算法研究[D]. 裴樂.重慶郵電大學(xué) 2018
[3]基于多種特征的低序列相似性蛋白質(zhì)結(jié)構(gòu)類預(yù)測(cè)[D]. 朱小娟.電子科技大學(xué) 2018
[4]多核支持向量機(jī)在高分辨率遙感影像分類中的應(yīng)用研究[D]. 李洪川.重慶郵電大學(xué) 2018
[5]基于主成分分析算法與多核支持向量機(jī)人臉識(shí)別方法研究[D]. 遲明偉.哈爾濱理工大學(xué) 2018
[6]機(jī)器學(xué)習(xí)算法在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)中的應(yīng)用[D]. 薛燕娜.江南大學(xué) 2016
[7]基于奇異值分解的信號(hào)處理關(guān)鍵技術(shù)研究[D]. 聶振國(guó).華南理工大學(xué) 2016



本文編號(hào)：3540080