發(fā)布時(shí)間：2020-11-17 18:06

　　 隨著人類(lèi)基因組計(jì)劃的完成,越來(lái)越多的蛋白質(zhì)序列被測(cè)出,研究快速且有效的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)算法已經(jīng)刻不容緩。人們研究蛋白質(zhì)結(jié)構(gòu)的主要目的是為了研究蛋白質(zhì)功能,了解蛋白質(zhì)功能對(duì)生物制藥、農(nóng)業(yè)生物等領(lǐng)域具有重要意義。近年來(lái),機(jī)器學(xué)習(xí)已經(jīng)成為蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的主流方法。本文在傳統(tǒng)支持向量機(jī)(SVM)的基礎(chǔ)上,改進(jìn)了模糊支持向量機(jī)(FSVM)的隸屬度函數(shù),具體的研究工作如下:1.本文首先考慮到具有相似的蛋白質(zhì)一級(jí)結(jié)構(gòu)序列往往具有相似的蛋白質(zhì)二級(jí)結(jié)構(gòu),所以,提出一種蛋白質(zhì)序列相似性比對(duì)方法,設(shè)置解離狀態(tài)下的酸度(pKa(COOH))、解離狀態(tài)下的堿性(pKa(NH3+))、疏水性(Hy)這三個(gè)理化性質(zhì)作為氨基酸殘基的坐標(biāo),將氨基酸序列映射到三維空間,然后通過(guò)向量夾角余弦法度量?jī)蓚�(gè)蛋白質(zhì)序列的相似程度。2.利用點(diǎn)到類(lèi)中心的距離設(shè)置隸屬度能減少孤立點(diǎn)或噪聲點(diǎn),但沒(méi)法有效的區(qū)分支持向量和噪聲點(diǎn),在此基礎(chǔ)上,本文先將樣本點(diǎn)映射到高維空間,然后在高維的環(huán)境下,結(jié)合K近鄰算法,計(jì)算樣本點(diǎn)與其周?chē)鷺颖军c(diǎn)的緊密程度區(qū)分支持向量與噪聲點(diǎn)、孤立點(diǎn)。3.最后,本文新的蛋白質(zhì)二級(jí)智能預(yù)測(cè)模型是將蛋白質(zhì)序列相似性與FSVM算法結(jié)合的智能算法模型,先將測(cè)試集的蛋白質(zhì)序列與pdb_full數(shù)據(jù)庫(kù)的蛋白質(zhì)序列進(jìn)行相似性比較,當(dāng)相似度大于0.9時(shí)就將pdb_full數(shù)據(jù)庫(kù)中找到的蛋白質(zhì)序列的二級(jí)結(jié)構(gòu)作為測(cè)試集的二級(jí)結(jié)構(gòu),那些相似性低的氨基酸序列用FSVM模型預(yù)測(cè)。改進(jìn)的FSVM算法,在原有算法的基礎(chǔ)上,將一些隸屬度小的訓(xùn)練樣本剔除,同時(shí)增加支持向量樣本點(diǎn)的權(quán)重,排除噪聲干擾,改進(jìn)后的算法使準(zhǔn)確度有了明顯提高。用該算法與蛋白質(zhì)序列相似性分析方法結(jié)合成的算法模型,實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)其預(yù)測(cè)的準(zhǔn)確率高于現(xiàn)有的使用機(jī)器學(xué)習(xí)的預(yù)測(cè)準(zhǔn)確率。
【學(xué)位單位】：浙江理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2017
【中圖分類(lèi)】：Q51;TP18
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 蛋白質(zhì)二級(jí)結(jié)構(gòu)的研究現(xiàn)狀
        1.2.2 模糊支持向量機(jī)的研究現(xiàn)狀
    1.3 本文的工作
        1.3.1 本文的主要研究?jī)?nèi)容
        1.3.2 論文的組織框架
第二章 蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)
    2.1 蛋白質(zhì)
        2.1.1 蛋白質(zhì)簡(jiǎn)介
        2.1.2 蛋白質(zhì)結(jié)構(gòu)介紹
    2.2 蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)模型常用技術(shù)
        2.2.1 樣本集的選擇
        2.2.2 訓(xùn)練集與測(cè)試集
        2.2.3 特征提取
        2.2.4 滑動(dòng)窗口技術(shù)
        2.2.5 蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的評(píng)價(jià)指標(biāo)
    2.3 蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的常用方法
        2.3.1 GOR方法
        2.3.2 神經(jīng)網(wǎng)絡(luò)方法
    2.4 幾個(gè)常用的數(shù)據(jù)庫(kù)介紹
    2.5 本章小結(jié)
第三章 蛋白質(zhì)編碼方式及相似性分析
    3.1 氨基酸的常用編碼方式
        3.1.1 正交編碼
        3.1.2 5位編碼
        3.1.3 Profile編碼
        3.1.4 Codon編碼
    3.2 本文氨基酸編碼方式介紹
        3.2.1 氨基酸理化性質(zhì)
        3.2.2 傾向因子分析
    3.3 相似性分析
        3.3.1 序列相似性分析方法介紹
        3.3.2 相似性度量方法
    3.4 蛋白質(zhì)序列相似性度量
    3.5 本章小結(jié)
第四章 改進(jìn)的模糊支持向量機(jī)
    4.1 支持向量機(jī)工作原理
    4.2 模糊支持向量機(jī)
        4.2.1 模糊支持向量機(jī)原理
        4.2.2 常用隸屬度設(shè)置方法
    4.3 改進(jìn)模糊支持向量機(jī)
        4.3.1 隸屬度改進(jìn)思想
        4.3.2 隸屬度改進(jìn)方式
    4.4 本章小結(jié)
第五章 蛋白質(zhì)二級(jí)結(jié)構(gòu)智能預(yù)測(cè)模型
    5.1 實(shí)驗(yàn)流程
    5.2 實(shí)驗(yàn)結(jié)果
    5.3 討論與比較
    5.4 本章小結(jié)
第六章 總結(jié)和展望
    6.1 研究工作總結(jié)
    6.2 研究工作展望
參考文獻(xiàn)
致謝

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孟翔燕;孟軍;葛家麒;;基于混合并行遺傳算法的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)[J];農(nóng)機(jī)化研究;2009年06期

2 董啟文,王曉龍,林磊,關(guān)毅,趙健;蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè):基于詞條的最大熵馬爾科夫方法[J];中國(guó)科學(xué)C輯:生命科學(xué);2005年01期

3 李元樂(lè);陶蘭;;基于小波核支持向量機(jī)的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)[J];深圳大學(xué)學(xué)報(bào);2006年02期

4 王鵬良,江壽平,來(lái)魯華,徐小杰,羅宇;蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的綜合分析[J];物理化學(xué)學(xué)報(bào);1990年06期

5 連云涓;熊惠霖;;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];計(jì)算機(jī)應(yīng)用;2013年S1期

6 何建川;邵陽(yáng);張波;;蛋白質(zhì)和變性蛋白質(zhì)二級(jí)結(jié)構(gòu)的FTIR分析進(jìn)展[J];化學(xué)研究與應(yīng)用;2012年08期

7 孟翔燕;孟軍;葛家麒;;基于遺傳算法的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)方法研究進(jìn)展[J];農(nóng)機(jī)化研究;2009年05期

8 孫海軍,阮曉鋼;用多模神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)蛋白質(zhì)二級(jí)結(jié)構(gòu)[J];昆明理工大學(xué)學(xué)報(bào)(理工版);2004年05期

9 張海霞,唐煥文,張立震,靳利霞,唐一源;蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)方法的評(píng)價(jià)[J];計(jì)算機(jī)與應(yīng)用化學(xué);2003年06期

10 羅遼復(fù);氨基酸突變及其對(duì)蛋白質(zhì)二級(jí)結(jié)構(gòu)的影響[J];鄭州輕工業(yè)學(xué)院學(xué)報(bào);1988年02期

相關(guān)博士學(xué)位論文 前10條

1 賈孟文;mRNA序列、結(jié)構(gòu)、能量和蛋白質(zhì)二級(jí)結(jié)構(gòu)的相關(guān)性[D];內(nèi)蒙古大學(xué);2004年

2 王勇獻(xiàn);蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的模型與方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

3 石鷗燕;蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)模型的研究[D];天津醫(yī)科大學(xué);2008年

4 李明輝;基于機(jī)器學(xué)習(xí)的蛋白質(zhì)二級(jí)結(jié)構(gòu)和相互作用預(yù)測(cè)[D];哈爾濱工業(yè)大學(xué);2007年

5 曹晨;蛋白質(zhì)二級(jí)結(jié)構(gòu)指定和功能分析[D];吉林大學(xué);2016年

6 王艷春;基于GEP和ANN的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)方法研究[D];西北農(nóng)林科技大學(xué);2009年

7 劉君;融合計(jì)算智能的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)研究[D];重慶大學(xué);2011年

8 張勝利;蛋白質(zhì)與RNA中的若干問(wèn)題研究[D];大連理工大學(xué);2011年

9 吳黎明;蜂王漿新鮮度指標(biāo)和評(píng)價(jià)方法研究[D];浙江大學(xué);2008年

10 趙裕眾;生物序列分析算法的研究及其應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王靜;基于模糊支持向量機(jī)的蛋白質(zhì)二級(jí)結(jié)構(gòu)智能預(yù)測(cè)[D];浙江理工大學(xué);2017年

2 王洪亮;基于遺傳算法的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)研究[D];哈爾濱工程大學(xué);2008年

3 張海霞;蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)方法研究[D];大連理工大學(xué);2004年

4 李艷萍;基于決策森林的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)算法研究[D];河南大學(xué);2019年

5 王蕾蕾;基于條件隨機(jī)場(chǎng)與深度學(xué)習(xí)的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)[D];齊魯工業(yè)大學(xué);2019年

6 王劍;基于分組式的多分類(lèi)器的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)的算法研究[D];齊魯工業(yè)大學(xué);2019年

7 劉柏麗;蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)PSIPRED方法的改進(jìn)及其應(yīng)用[D];湖南大學(xué);2014年

8 趙志山;基于深度學(xué)習(xí)的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)研究[D];哈爾濱工業(yè)大學(xué);2018年

9 常菁;用于蛋白質(zhì)二級(jí)結(jié)構(gòu)設(shè)計(jì)的深度生成模型的研究與應(yīng)用[D];北京交通大學(xué);2018年

10 常方雷;基于深度學(xué)習(xí)的蛋白質(zhì)二級(jí)結(jié)構(gòu)預(yù)測(cè)模型研究[D];天津大學(xué);2018年

本文編號(hào)：2887770