蛋白質(zhì)翻譯后修飾是蛋白質(zhì)在翻譯后發(fā)生的化學修飾,在生命過程中起著至關重要的調(diào)控作用。深入研究鑒定蛋白質(zhì)翻譯后修飾位點,對揭示生命活動的機理、篩選疾病的臨床標志物、鑒定藥物靶點等方面具有重要意義。本文基于機器學習和多信息融合對蛋白質(zhì)翻譯后修飾位點進行研究,研究內(nèi)容如下:1.提出一種新的蛋白質(zhì)S-亞磺�；稽c預測方法SulSite-GTB。首先,基于多種蛋白質(zhì)特征信息,包括二肽組成(dipeptide composition,DC)、氨基酸組成(amino acid composition,AAC)、分組重量編碼(encoding based on grouped weight,EBGW)、K近鄰得分(K nearest neighbors scores,KNN)、位置特異性氨基酸傾向(position-specific amino acid propensity,PSAAP)、位置權重氨基酸組成(position-weighted amino acid composition,PWAAC)和偽位置特異性得分矩陣(pseudo-position specific score matrix,...

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

圖2-1蛋白質(zhì)序列中氨基酸之間的緊鄰相關模式圖

青島科技大學研究生學位論文92011202011,120,2120kkukkffpf(2-4)是權重因子，設置為0.05。f是蛋白質(zhì)序列中第個氨基酸的出現(xiàn)頻率。k是第k級序列相關因子，如圖2-1所示。圖2-1蛋白質(zhì)序列中氨基酸之間的緊鄰相關模式圖Fig.2-1Proteinseq....

圖3-1SulSite-GTB預測模型的流程圖

基于多信息融合的蛋白質(zhì)翻譯后修飾位點預測研究32圖3-1SulSite-GTB預測模型的流程圖Fig.3-1FlowchartoftheSulSite-GTBpredictionmethodSulSite-GTB方法的步驟描述為：(1)獲取訓練數(shù)據(jù)集和獨立測試集，S-亞磺�；头�....

圖3-2訓練數(shù)據(jù)集S-亞磺�；头荢-亞磺酰化的序列標識對比圖

青島科技大學研究生學位論文33置于片段序列的中間，側(cè)翼氨基酸的位置描述在-10至+10的范圍內(nèi)，分析的結(jié)果如圖3-2所示。圖3-2訓練數(shù)據(jù)集S-亞磺酰化和非S-亞磺�；男蛄袠俗R對比圖Fig.3-2ComparisonofsequenceidentificationofS-sul....

圖3-3訓練集關于不同特征的預測結(jié)果

基于多信息融合的蛋白質(zhì)翻譯后修飾位點預測研究36訓練數(shù)據(jù)集關于不同特征提取算法的預測結(jié)果如表3-3所示。此外，本文還使用ROC和PR曲線，比較在不同特征提取算法下預測模型的魯棒性[32]。圖3-3是訓練集在八種特征提取方法下得到的ROC曲線和PR曲線。從表3-3中可以看出，使用二....

本文編號：3978577