迄今為止,已經鑒定出了450多種獨特的蛋白質修飾,包括磷酸化、乙�；⒎核鼗托》核鼗�,它們是具有許多生物學功能的細胞蛋白質的調節(jié)機制,并且在許多原核和真核蛋白質的功能調節(jié)中發(fā)揮作用。在這些PTMs中,乙�；且环N動態(tài)且高度保守的翻譯后修飾,在調節(jié)多種細胞過程中起著關鍵的作用。由于乙�；谀承┫嚓P的生物學過程中的重要作用,它成為最重要的可逆蛋白翻譯后修飾之一。異常的乙�；鞍踪|與許多病理疾病有關,如癌癥,神經性疾病和代謝性疾病,所以進一步了解乙酰化蛋白質對以后的分析乙�；瘷C理和相關的實驗驗證,藥物開發(fā)提供指導性意義。蛋白質的功能常有標注KW,GO,Smart,Pfam,InterPro,PRINT,PROSITE,SUPFAM分析得出,乙�；鞍踪|在正負樣本中差距較大,正樣本的功能標注信息含有蛋白質的數(shù)量遠遠大于負樣本,且KW,GO信息量遠遠大于其他Smart,Pfam,InterPro,PRINT,PROSITE,SUPFAM的信息量。人類蛋白質6832條蛋白質中,正樣本有3404條,負樣本有3428條,正負樣本基本持平。關鍵詞中乙酰化關鍵詞在正樣本中有3392條。在GO信息統(tǒng)計分析...

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

圖2.1SVM的原理圖[39]

如乙�；�，磷酸化，泛素化和甲基化。SV，其通過將輸入樣本映射到更高維的空間并搜到最大邊緣超平面以最小化分類錯誤。SVM模S形函數(shù)的SVM模型相當于雙層感知器神經邊界，SVM會嘗試最大化類之間的邊距，并空間的中某些已知點的分類是,則其被定的輸入空間的點，則其中....

圖2.3神經網絡圖

學習的好處是用非監(jiān)督或半監(jiān)督的特征學特征。深入學習的基礎是機器學習中分表示假定觀測值是由不同的銀子相互作用這一互相作用的過程可分為多個層次，代DeepNeualNetworks，DNN）是一種判。權重更新可以用隨機梯度下降法求解：(1)()ijijijcwtw....

圖3.1不同關鍵詞乙�；揎棗l數(shù)其中X軸是14個關鍵詞，Y軸是含有乙�；P鍵詞的蛋白質條數(shù)

330N-ACETYLGLYCINEN-乙酰甘氨酸4787N-ACETYLMETHIONINEN-乙酰基蛋氨酸522N-ACETYLPROLINEN-乙酰脯氨酸6403N-ACETYLSERINEN-乙酰絲氨酸778N-ACETYLTHREON....

圖3.2統(tǒng)計關鍵詞正負樣本非乙酰化修飾其中X軸代表正負樣本關鍵詞，Y軸代表含有正負樣本關鍵詞的蛋白質條數(shù)，其中綠色代表正樣本關鍵詞，紅色代表負樣本關鍵詞

28TRANSPORTTRANSPORT運輸4431429ACTIVATORACTIVATOR活化劑2033130ACYLTRANSFERASEACYLTRANSFERASE酰基轉移酶521831ALTERNATIVESPLICINGALTERNATIVE....

本文編號：3991016