本文關鍵詞：基于PCA和SVM的線性B細胞表位預測研究

  更多相關文章： B細胞 特征提取 主成分分析 支持向量機

【摘要】：抗原表面被B細胞表面受體所識別的是B細胞表位,并與之抗體特異性結合的區(qū)域。B細胞表位具備自己的特征并在抗原表面分布著,其分為線性排列、構象性排列,其依附于抗體和抗原中,從而引起了免疫中的應答反應,其疫苗的研發(fā)和治療疾病方面作為一種有效的防治手段體現(xiàn)出了很大作用。近年來,研究者們開始于通過計算機進行表位預測,進行驗證后續(xù)相應的數(shù)據(jù)相關信息,這種計算機技術與科學實驗相互結合的方法,不僅可以節(jié)約大量稀缺資源,降低成本,還能夠獲得比較完善的實驗結果,從而大大提高了工作的速度。本文主要的研究工作是構建了線性B細胞表位的標準數(shù)據(jù)集,首先文章基于抗原表面氨基酸的五大類特征,同時AAindex數(shù)據(jù)庫提供的527個氨基酸理化性質,進行特征提取,應用了一種主成分分析(PCA)降維的線性B細胞表位預測方法,其次對總體抗原氨基酸進行分類應用支持向量機的方法,利用PCA降維方法的線性B細胞表位預測算法的核心思想主要是針對不同氨基酸的理化性質進行親和肽的預測,我們重點考慮了氨基酸的特異性,因為太過于單一的預測方案會降低整體預測器的性能,不能發(fā)揮它的作用。我們先使用PCA降維,再應用支持向量機的算法可以較好地避免這個問題,有效地提高了B細胞表位預測算法的性能,進而預測所有可能的表位,并使用準確率、敏感性、特異性和馬氏相關系數(shù)4個評價參數(shù)建立了一個全面的評價體系。
【關鍵詞】：B細胞 特征提取 主成分分析 支持向量機
【學位授予單位】：東北師范大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R392;TP18
【目錄】：

• 中文摘要3-4
• 英文摘要4-7
• 引言7-8
• 第一章 緒論8-12
• 1.1 B細胞表位預測研究背景8-9
• 1.1.1 線性B細胞表位預測簡介8-9
• 1.1.2 構象性B細胞表位預測簡介9
• 1.2 研究目的與意義9
• 1.3 國內外研究現(xiàn)狀9-10
• 1.4 本文主要研究內容10-12
• 第二章 相關背景知識介紹12-18
• 2.1 線性B細胞表位預測相關數(shù)據(jù)庫簡介12-13
• 2.1.1 BciPep數(shù)據(jù)庫12
• 2.1.2 AAindex數(shù)據(jù)庫12-13
• 2.2 線性B細胞表位預測方法簡介13-15
• 2.2.1 ABCPred14
• 2.2.2 BCPred14
• 2.2.3 COBEpro14
• 2.2.4 BayesB14
• 2.2.5 CBTOPE14-15
• 2.3 機器學習相關知識簡介15-18
• 2.3.1 主成分分析15
• 2.3.2 支持向量機15-16
• 2.3.3 核函數(shù)16-18
• 第三章 基于PCA和SVM的線性B細胞表位預測研究18-26
• 3.1 數(shù)據(jù)集的構建18-19
• 3.1.1 原始訓練數(shù)據(jù)集18
• 3.1.2 精簡測試數(shù)據(jù)集18-19
• 3.1.3 測試和訓練數(shù)據(jù)集圖表19
• 3.2 特征提取19-23
• 3.2.1 氨基酸特征20
• 3.2.2 序列特征20-21
• 3.2.3 結構特征21-22
• 3.2.4 其它特征22-23
• 3.3 基于PCA的線性B細胞表位預測方法23-24
• 3.4 基于SVM的線性B細胞表位預測方法24-25
• 3.5 小結25-26
• 第四章 測試結果和分析26-33
• 4.1 評價參數(shù)26-27
• 4.2 基于PCA和SVM的線性B細胞表位預測結果27-29
• 4.2.1 基于PCA和SVM的線性B細胞表位預測測試數(shù)據(jù)集分析27-28
• 4.2.2 基于PCA和SVM的線性B細胞表位預測結果分析28-29
• 4.3 算法結果分析29-31
• 4.3.1 本文參數(shù)分析29
• 4.3.2 與其它結果比較分析29-31
• 4.4 小結31-33
• 第五章 結論與展望33-35
• 5.1 全文總結33
• 5.2 研究展望33-35
• 參考文獻35-38
• 英文縮略表38-39
• 致謝39-40
• 在學期間公開發(fā)表論文及著作情況40

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 董嬌嬌;劉子鈺;劉春宇;張友;;線性B細胞表位預測應用研究[J];計算機光盤軟件與應用;2013年24期

2 黃艷新;鮑永利;李玉新;;抗原表位預測的免疫信息學方法研究進展[J];中國免疫學雜志;2008年09期

，

本文編號：515397