獨(dú)立成分方法預(yù)測(cè)TAP分子的結(jié)合肽
發(fā)布時(shí)間:2024-02-26 01:18
在適應(yīng)性免疫應(yīng)答中,主要組織相容性復(fù)合物(major histocompatibility complex,MHC)I類分子能夠呈遞抗原肽,主要依賴與抗原加工相關(guān)的轉(zhuǎn)運(yùn)蛋白(transporter associated with antigen processing,TAP)分子能夠?qū)⒖乖膹陌|(zhì)溶膠轉(zhuǎn)運(yùn)到內(nèi)質(zhì)網(wǎng)(endoplasmic reticulum,ER)中。TAP是TAP1與TAP2的異二聚體,每個(gè)亞基由疏水性跨膜結(jié)構(gòu)域TMD和細(xì)胞質(zhì)核苷酸結(jié)合結(jié)構(gòu)域NBD組成,其中核心TMD內(nèi)含有肽結(jié)合位點(diǎn)。TAP轉(zhuǎn)運(yùn)抗原肽至少包含兩個(gè)過程:肽與TAP的初始結(jié)合以及肽在ATP水解作用下的易位。隨后MHC I類分子與抗原肽結(jié)合的復(fù)合物被呈遞至細(xì)胞表面供CD8+T細(xì)胞特異性識(shí)別,從而啟動(dòng)免疫應(yīng)答。采用基于負(fù)熵最大化的獨(dú)立成分分析方法建立TAP分子與抗原肽相互作用的定量構(gòu)效關(guān)系模型,可以減少樣本數(shù)據(jù)之間的相關(guān)性,最大化滿足統(tǒng)計(jì)獨(dú)立。從數(shù)據(jù)庫(kù)中提取613個(gè)九肽數(shù)據(jù)集作為實(shí)驗(yàn)樣本,分別采用代表氨基酸理化性質(zhì)(親疏水性、空間特性及帶電性等)的3z、5z編碼以及氨基酸的稀疏編碼三種方式對(duì)氨基酸編碼。計(jì)算結(jié)...
【文章頁(yè)數(shù)】:59 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 TAP轉(zhuǎn)運(yùn)蛋白的來源
1.2 TAP轉(zhuǎn)運(yùn)蛋白的結(jié)構(gòu)
1.2.1 核苷酸結(jié)合域NBD的結(jié)構(gòu)
1.2.2 核心結(jié)構(gòu)域TMD的排列
1.3 TAP轉(zhuǎn)運(yùn)蛋白的作用機(jī)制
1.3.1 兩種TAP轉(zhuǎn)運(yùn)模型
1.3.2 ICP47對(duì)TAP分子的抑制作用
1.4 TAP對(duì)底物選擇的特異性
1.5 本文主要研究?jī)?nèi)容
2 獨(dú)立成分分析方法(ICA)
2.1 ICA的數(shù)學(xué)和信息論基礎(chǔ)
2.1.1 統(tǒng)計(jì)獨(dú)立性
2.1.2 熵
2.1.3 Kullback-Leibler(KL)散度
2.1.4 負(fù)熵
2.2 ICA的數(shù)學(xué)模型
2.3 ICA的基本假設(shè)
2.4 ICA的目標(biāo)函數(shù)
2.4.1 非高斯性極大化
2.4.2 負(fù)熵作為非高斯性度量
3 基于負(fù)熵最大化的FastICA算法
3.1 FastICA簡(jiǎn)介
3.2 FastICA算法原理
3.3 FastICA算法步驟及流程圖
3.3.1 樣本數(shù)據(jù)預(yù)處理
3.3.2 基于正交變換提取多個(gè)獨(dú)立成分
3.3.3 Fast ICA算法流程圖
3.4 FastICA的回歸參數(shù)
4 基于FastICA建立預(yù)測(cè)模型
4.1 二維定量構(gòu)效關(guān)系
4.2 實(shí)驗(yàn)材料的獲取
4.2.1 獲取樣本數(shù)據(jù)集
4.2.2 抗原肽氨基酸序列的編碼
4.3 TAP分子與抗原肽結(jié)合力的預(yù)測(cè)模型
4.4 預(yù)測(cè)流程
4.4.1 交叉驗(yàn)證
4.4.2 預(yù)測(cè)流程圖
5 結(jié)果與討論
5.1 預(yù)測(cè)模型的性能評(píng)價(jià)指標(biāo)
5.2 計(jì)算結(jié)果
5.2.1 模型預(yù)測(cè)能力分析
5.2.2 模型的AUC值
5.3 方法對(duì)比
5.4 模型的權(quán)重圖
5.5 TAP分子與抗原肽結(jié)合的特異性分析
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號(hào):3911119
【文章頁(yè)數(shù)】:59 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 TAP轉(zhuǎn)運(yùn)蛋白的來源
1.2 TAP轉(zhuǎn)運(yùn)蛋白的結(jié)構(gòu)
1.2.1 核苷酸結(jié)合域NBD的結(jié)構(gòu)
1.2.2 核心結(jié)構(gòu)域TMD的排列
1.3 TAP轉(zhuǎn)運(yùn)蛋白的作用機(jī)制
1.3.1 兩種TAP轉(zhuǎn)運(yùn)模型
1.3.2 ICP47對(duì)TAP分子的抑制作用
1.4 TAP對(duì)底物選擇的特異性
1.5 本文主要研究?jī)?nèi)容
2 獨(dú)立成分分析方法(ICA)
2.1 ICA的數(shù)學(xué)和信息論基礎(chǔ)
2.1.1 統(tǒng)計(jì)獨(dú)立性
2.1.2 熵
2.1.3 Kullback-Leibler(KL)散度
2.1.4 負(fù)熵
2.2 ICA的數(shù)學(xué)模型
2.3 ICA的基本假設(shè)
2.4 ICA的目標(biāo)函數(shù)
2.4.1 非高斯性極大化
2.4.2 負(fù)熵作為非高斯性度量
3 基于負(fù)熵最大化的FastICA算法
3.1 FastICA簡(jiǎn)介
3.2 FastICA算法原理
3.3 FastICA算法步驟及流程圖
3.3.1 樣本數(shù)據(jù)預(yù)處理
3.3.2 基于正交變換提取多個(gè)獨(dú)立成分
3.3.3 Fast ICA算法流程圖
3.4 FastICA的回歸參數(shù)
4 基于FastICA建立預(yù)測(cè)模型
4.1 二維定量構(gòu)效關(guān)系
4.2 實(shí)驗(yàn)材料的獲取
4.2.1 獲取樣本數(shù)據(jù)集
4.2.2 抗原肽氨基酸序列的編碼
4.3 TAP分子與抗原肽結(jié)合力的預(yù)測(cè)模型
4.4 預(yù)測(cè)流程
4.4.1 交叉驗(yàn)證
4.4.2 預(yù)測(cè)流程圖
5 結(jié)果與討論
5.1 預(yù)測(cè)模型的性能評(píng)價(jià)指標(biāo)
5.2 計(jì)算結(jié)果
5.2.1 模型預(yù)測(cè)能力分析
5.2.2 模型的AUC值
5.3 方法對(duì)比
5.4 模型的權(quán)重圖
5.5 TAP分子與抗原肽結(jié)合的特異性分析
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號(hào):3911119
本文鏈接:http://sikaile.net/yixuelunwen/jichuyixue/3911119.html
最近更新
教材專著