基于残差神经网络和残基邻域特征的固有无序蛋白质分类

发布时间：2021-11-13 00:47

　　固有无序蛋白质在天然状态下缺乏稳定的空间结构,但却在生物体内广泛存在,对生命活动的正常运转发挥着重要作用,同时还与人类的多种重大疾病相关。对蛋白质中无序区域的研究有利于探索相关疾病的发病机制,从而控制疾病的发展。传统的固有无序蛋白质检测方法,大多侧重于氨基酸的理化性质,信息过于单一,而且忽略了氨基酸序列间的特征信息,预测精度偏低。因此,为了提高固有无序蛋白质的分类准确率,本文使用交叉互相关算法分析残基间的特性,并改进传统检测方法中对滑动窗口的使用,运用嵌套滑动窗口提取氨基酸序列特征,在此基础上本文提出一种基于交叉互相关的局部残基邻域特征提取方法。该方法首先对氨基酸序列构建隐马尔可夫模型（Hidden Markov Models,HMM）;其次,通过多序列比对算法得到查询序列的Profile HMM得分矩阵;最后,使用嵌套滑动窗口、交叉互相关算法以及叠加均值法计算局部残基间的邻域特征。本文方法提取的特征包含更多残基间的信息,可以更准确的表达氨基酸序列。本文设计残差神经网络分类模型,通过实验调试神经网络的参数,然后对提取的特征进行分类验证,使用混淆矩阵和ROC曲线等指标验证分类模型的性能,... 

【文章来源】：燕山大学河北省

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

固有无序蛋白质DP00036结构图

图 2-2 固有无序蛋白质无规则卷曲示意图有无序蛋白质数据库信息学的快速发展，建立了许多蛋白质结构数据库，其验证。考虑到固有无序蛋白质数据的广泛性，本文主要库 Disprot[39]和 CASP(Comptia Advanced Security Practiti的主要对象，用于本文实验中数据集的构建。下面分别rot 数据库是与无序蛋白质相关的具有结构和功能注释的数据库。该家的研究人员使用。Disprot 数据库收集了大量的固有无些蛋白质的结构和功能信息，其中的数据都经过试验验着详细的区分，同时详细的标注了每一个残基的信息，

图 5-4 蛋白质 DP00003 结构图的特征提取方法对 DP00003 蛋白质的每一个残基提取分析，如下图 5-5 所示为有序残基和无序残基两种特标中的 D 表示无序结构，O 表示有序结构，纵坐标表

【参考文献】：
期刊论文
[1]基于深度残差卷积神经网络的心电信号心律不齐识别[J]. 李端,张洪欣,刘知青,黄菊香,王田.  生物医学工程学杂志. 2019(02)
[2]基于K-means聚类算法优化方法的研究[J]. 刘叶,吴晟,周海河,吴兴蛟,韩林峄.  信息技术. 2019(01)
[3]基于深度卷积神经网络的无序蛋白质功能模体的识别[J]. 方春,田爱奎,孙福振,李彩虹,朱大铭.  济南大学学报(自然科学版). 2018(04)
[4]基于CNN与LSTM模型的蛋白质二级结构预测[J]. 王剑,成金勇,赵志刚,鹿文鹏.  生物信息学. 2018(02)
[5]基于一维卷积神经网络的患者特异性心拍分类方法研究[J]. 黄佼,宾光宇,吴水才.  中国医疗设备. 2018(03)
[6]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航.  计算机应用. 2016(09)
[7]固有无序蛋白与蛋白质相互作用位点残基特征分析[J]. 董川,曹赞霞,赵立岭,索振鹏,王吉华.  生物化学与生物物理进展. 2014(05)
[8]大数据下的机器学习算法综述[J]. 何清,李宁,罗文娟,史忠植.  模式识别与人工智能. 2014(04)
[9]蛋白质组学的应用研究进展[J]. 尹稳,伏旭,李平.  生物技术通报. 2014(01)
[10]天然无序蛋白质:序列-结构-功能的新关系[J]. 黄永棋,刘志荣.  物理化学学报. 2010(08)



本文编号：3491972