蛋白質(zhì)是生命活動(dòng)的物質(zhì)基礎(chǔ),對(duì)其功能的預(yù)測(cè)至關(guān)重要。目前主要有兩種方法測(cè)定蛋白質(zhì)功能:生物實(shí)驗(yàn)方法和基于數(shù)據(jù)的計(jì)算方法。生物實(shí)驗(yàn)法存在耗時(shí)長(zhǎng),成本高的問(wèn)題,因此基于數(shù)據(jù)的方法是目前對(duì)蛋白質(zhì)功能預(yù)測(cè)的研究熱點(diǎn)。本課題使用基于數(shù)據(jù)的方法對(duì)蛋白質(zhì)功能進(jìn)行預(yù)測(cè),研究?jī)?nèi)容主要包括以下三個(gè)方面:（1）構(gòu)筑基于結(jié)構(gòu)域和改進(jìn)MIMLSVM的蛋白質(zhì)功能預(yù)測(cè)模型。針對(duì)現(xiàn)有MIML算法預(yù)測(cè)精度不高的問(wèn)題,設(shè)計(jì)一種基于改進(jìn)MIMLSVM預(yù)測(cè)蛋白質(zhì)功能模型。首先,采用改進(jìn)的Hausdorff方法計(jì)算包之間的空間距離,并結(jié)合K-Medoids方法將MIML（多示例多標(biāo)簽）問(wèn)題退化為多標(biāo)簽問(wèn)題,以提高預(yù)測(cè)精度;然后,利用SVM算法將多標(biāo)簽問(wèn)題轉(zhuǎn)化為多個(gè)獨(dú)立的二分類(lèi)問(wèn)題,結(jié)合蛋白質(zhì)數(shù)據(jù)的特點(diǎn),建立蛋白質(zhì)功能預(yù)測(cè)模型,并利用粒子群算法優(yōu)化模型參數(shù);最后,通過(guò)對(duì)七種生物蛋白質(zhì)功能預(yù)測(cè)的實(shí)驗(yàn),證明所建模型的優(yōu)越性。（2）設(shè)計(jì)基于A(yíng)VC-SVM的芋螺毒素離子通道類(lèi)型預(yù)測(cè)模型。針對(duì)現(xiàn)有方法對(duì)離子通道預(yù)測(cè)中存在的信息冗余問(wèn)題,設(shè)計(jì)一種基于A(yíng)VC（Analysis of Variance and Correlation）和SVM的... 

【文章來(lái)源】：河南師范大學(xué)河南省

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

蛋白質(zhì)功能預(yù)測(cè)流程圖

IML 算法簡(jiǎn)介傳統(tǒng)的監(jiān)督學(xué)習(xí)中，一個(gè)樣本對(duì)應(yīng)一個(gè)示例(instance)，即一個(gè)特征向量將有助類(lèi)標(biāo)簽。而在很多情況下，需要用一個(gè)示例集合去表達(dá)一個(gè)復(fù)雜的對(duì)象。例如網(wǎng)頁(yè)中可以提取多個(gè)鏈接，每個(gè)鏈接用一個(gè)示例表示。因此，與傳統(tǒng)的學(xué)習(xí)框MIML 學(xué)習(xí)模型能夠更方便自然地處理復(fù)雜對(duì)象[12,13]。對(duì)于一個(gè)由許多不同的混合在一起復(fù)雜概念的標(biāo)簽，直接學(xué)習(xí)這個(gè)概念可能是相當(dāng)困難的。因此可以個(gè)標(biāo)簽轉(zhuǎn)換成一組對(duì)應(yīng)于一些子概念的標(biāo)簽的方式，使得機(jī)器學(xué)習(xí)的過(guò)程更加易。

Yj是負(fù)類(lèi)樣本。的 MIMLSVM 算法預(yù)測(cè)蛋白質(zhì)功能的模型型建立在 MIMLSVM 算法的基礎(chǔ)上進(jìn)行改進(jìn)，改進(jìn)的 MIMLSVM 模型對(duì)蛋白要過(guò)程為：，使用改進(jìn)的 Hausdorff 距離計(jì)算每?jī)蓚�(gè)示例包之間的空間距離，s 算法的思想將示例包聚為 k 類(lèi)，MIML 問(wèn)題退化為多標(biāo)簽問(wèn)題；其 算法將多標(biāo)簽問(wèn)題轉(zhuǎn)化為多個(gè)二分類(lèi)問(wèn)題，逐一進(jìn)行求解。最后，使得到的模型對(duì)蛋白質(zhì)功能進(jìn)行預(yù)測(cè)。改進(jìn)的 MIMLSVM 算法對(duì)蛋白質(zhì)流程如下圖 3-1 所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)的MIMLSVM預(yù)測(cè)蛋白質(zhì)功能[J]. 王鮮芳,王俊美,王曉雷,張悅.  信陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(04)
[2]Ion Channel Genes and Epilepsy:Functional Alteration,Pathogenic Potential,and Mechanism of Epilepsy[J]. Feng Wei,Li-Min Yan,Tao Su,Na He,Zhi-Jian Lin,Jie Wang,Yi-Wu Shi,Yong-Hong Yi,Wei-Ping Liao.  Neuroscience Bulletin. 2017(04)
[3]蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)[J]. 鄧海游,賈亞,張陽(yáng).  物理學(xué)報(bào). 2016(17)
[4]Local Sequence Information-based Support Vector Machine to Classify Voltage-gated Potassium Channels[J]. Li-Xia LIU Meng-Long LI Fu-Yuan TAN Min-Chun LU Ke-Long WANG Yan-Zhi GUO Zhi-Ning WEN Lin JIANG College of Chemistry,Sichuan University.Chengdu 610064,China.  Acta Biochimica et Biophysica Sinica. 2006(06)
[5]高通量蛋白質(zhì)組學(xué)研究中一種基于GO的蛋白質(zhì)功能分析策略（英文）[J]. 李棟,荔建琦,歐陽(yáng)曙光,吳松鋒,王建,徐筱杰,朱云平,賀福初.  生物化學(xué)與生物物理進(jìn)展. 2005(11)
[6]生物信息學(xué)在蛋白質(zhì)結(jié)構(gòu)與功能預(yù)測(cè)中的應(yīng)用[J]. 徐建華,朱家勇.  醫(yī)學(xué)分子生物學(xué)雜志. 2005(03)
[7]基于Relief的組合式特征選擇[J]. 張麗新,王家廞,趙雁南,楊澤紅.  復(fù)旦學(xué)報(bào)(自然科學(xué)版). 2004(05)

博士論文
[1]基于數(shù)據(jù)挖掘技術(shù)的蛋白質(zhì)功能預(yù)測(cè)研究[D]. 孫承磊.上海大學(xué) 2013

碩士論文
[1]基于多數(shù)據(jù)源融合的蛋白質(zhì)功能預(yù)測(cè)方法研究[D]. 張信.大連理工大學(xué) 2015
[2]分枝桿菌蛋白質(zhì)亞細(xì)胞定位的預(yù)測(cè)研究[D]. 丁辰.電子科技大學(xué) 2013
[3]基于特征篩選方法預(yù)測(cè)不同離子通道活性的芋螺毒素[D]. 袁魯峰.電子科技大學(xué) 2013



本文編號(hào)：3260420