賴氨酸乙�；揎検且环N被廣泛研究且可逆的蛋白質(zhì)翻譯后修飾,對細胞的轉(zhuǎn)錄調(diào)控、中心代謝、蛋白質(zhì)的合成、細胞周期、細胞形態(tài)、信號傳導等諸多生理過程具有重要的意義。乙酰化修飾位點的識別是了解乙�；鞍追肿訖C制的基礎。雖然已經(jīng)有越來越多的研究者發(fā)展計算方法對真核生物賴氨酸乙酰位點進行識別,但對原核生物賴氨酸乙酰化位點預測的研究甚少�；谠松锱c真核生物賴氨酸乙酰化數(shù)據(jù)的模體分析,我們發(fā)現(xiàn)原核與真核生物賴氨酸乙�；孜稽c間存在顯著的特異性差異,這表明發(fā)展一種可靠高效的計算方法分析預測原核生物賴氨酸乙�；欠浅Ｓ斜匾�。本文主要從原核生物賴氨酸乙酰化蛋白一級結(jié)構出發(fā),使用彈性網(wǎng)絡（Elastic net）算法優(yōu)化預測模型,發(fā)展了原核物種特異性乙�；稽c的計算識別工具。具體工作內(nèi)容包括:1.特征選擇對于預測模型性能的提升有著重要作用。主要針對lasso算法、嶺回歸算法和彈性網(wǎng)絡算法之間的關系進行討論,并闡述了彈性網(wǎng)絡算法作為一種特征選擇方法具有的優(yōu)良性質(zhì)。2.基于彈性網(wǎng)絡算法開發(fā)了一個針對不同原核生物賴氨酸乙�；稽c的新預測工具ProAcePred（http://computbiol.ncu.e... 

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 引言
    1.2 賴氨酸乙�；揎�
    1.3 計算方法識別原核生物賴氨酸乙�；稽c
    1.4 本文主要工作
第2章 彈性網(wǎng)絡算法的發(fā)展研究
    2.1 引言
    2.2 普通線性模型
    2.3 lasso方法與嶺回歸(Ridge regression)算法
        2.3.1 lasso方法
        2.3.2 嶺回歸(Ridge regression)算法
    2.4 彈性網(wǎng)絡算法
第3章 基于彈性網(wǎng)絡算法識別原核生物賴氨酸乙�；稽c
    3.1 引言
    3.2 數(shù)據(jù)與方法
        3.2.1 數(shù)據(jù)收集與預處理
        3.2.2 特征提取
            3.2.2.1 序列特征
            3.2.2.2 物理化學特征
            3.2.2.3 進化信息
        3.2.3 使用彈性網(wǎng)絡算法優(yōu)化特征向量
        3.2.4 模型優(yōu)化與評估
    3.3 結(jié)果與討論
        3.3.1 決定最優(yōu)的窗口大小
        3.3.2 特征優(yōu)化結(jié)果
        3.3.3 分析重要特征和貢獻
        3.3.4 ProAcePred方法預測原核生物乙�；稽c
    3.4 模型與其他預測方法比較
    3.5 結(jié)論
第4章 結(jié)合信息增益預測原核生物賴氨酸乙酰化位點及其功能分析
    4.1 引言
    4.2 數(shù)據(jù)與方法
        4.2.1 數(shù)據(jù)收集與處理
        4.2.2 信息增益算法(IG)
        4.2.3 特征提取和優(yōu)化方法
        4.2.4 模型學習與評估
    4.3 結(jié)果與討論
        4.3.1 功能分析
        4.3.2 使用信息增益(IG)優(yōu)化窗口
        4.3.3 通過彈性網(wǎng)絡(EN)算法優(yōu)化特征向量
        4.3.4 與其他方法比較
    4.4 結(jié)論
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻
附錄
攻讀碩士學位期間的研究成果



本文編號：3707927