维氏气单胞菌中与smpB启动子互作转录因子的预测及验证
发布时间：2021-10-18 08:55
维氏气单胞菌作为一种人-鱼共患致病菌,严重危害水产业的发展及人类的健康。SmpB（Small Protein B）蛋白是反式翻译系统的重要组成部分,能在维氏气单胞菌翻译过程中起到翻译监控及拯救滞留核糖体的作用,对维氏气单胞菌的生存及毒力因子的调控极为重要。寻找调控smpB启动子的转录因子,将利于深入研究SmpB蛋白与反式翻译系统,阐明维氏气单胞菌的致病机理,为维氏气单胞菌的减毒疫苗开发提供理论基础。本文通过生物信息学中的机器学习方法,构建预测调控smpB启动子的卷积神经网络模型,成功预测出可能与smpB启动子结合的转录因子。通过细菌单杂交、细菌基因敲除、实时定量PCR（Real-time Quantitative PCR）、绿色荧光蛋白报告基因检测等实验,证明转录因子ArgR能直接结合smpB启动子区域,行使负调控smpB启动子的功能,其中转录因子ArgR的N端在与smpB启动子的结合中起到了主要作用,具体结果如下:（1）使用Python语言编写爬虫程序,搜集到已发表论文中的6242条细菌转录因子结合序列的信息。（2）利用爬虫程序搜集到的数据与机器学习技术,构建出可用于预测转录因子与细...
【文章来源】：海南大学海南省 211工程院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图１维氏气单胞菌感染鱼类??Ｆｉｇ．ｌ?Ａｅｒｏｍｏｎａｓ?ｖｅｒｏｎｉｉ?ｃａｎ?ｉｎｆｅｃｔ?ｆｉｓｈ??
３．?１卷积神经网络用于转录因子结合启动子模型的构建及验证??３．?１．１卷积神经网络的架构??卷积神经网络的架构主要包括卷积层，池化层以及全连接层（图２），卷积层使??用到的卷积大小为２，池化层采取了最大池化，全连接层包含了?２５６个节点，训练样本??中每一条序列都与一个特定的标签相对应，同一个标签可能对应了多条不同的序列，??在卷积的过程中，这个采样的行为不断被重复，采集出相对应的图形数据。池化层应??用了成熟的最大池化，经过池化后的数据进入全连接层，为了防止过拟合的情况出现，??我们使用了?Ｄｒｏｐｏｕｔ的技术，随机失活百分之五十的神经元并在下一次的训练中重新??随机选择失活的神经元。??２Ｄ?Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?Ｍａｔｒｉｘ??＇?＇Ｎ?广。ｌｕｏｌｏｔ｜０Ｑ＾｜?Ｍａｘ?Ｐｏｏｌｉｎｇ?Ｍａｘ?Ｐｏｏｌｉｎｇ??Ｕｂｃｉｉ?Ｓｅａｌ?—？ｍＩ）ｉＳ！〇ｉ〇ｋ＇?Ｃｏｎｖｏｌｕｔｉｏｎａｌ?．?．?Ｃｏｎｖｏｌｕｔｉｏｎａｌ??，，??〇〇〇?ｉｏｉ?ｕ〇?ｉ?ｄ、＇?－一??０?１?００?Ｉ?００００?Ｉ?＼?＾?、、邊‘
?海南大学硕士学位论文???３．１．２卷积神经网络的训练??卷积神经网络的训练可以基于序列完成（杜明伦等，２０１８），并己经取得了良好的??效果。我们使用６２４２条转录因子与ＤＮＡ结合的序列，其中的７４２条序列用于测试??（表?１２）。??表１２训练数据集与测试数据集??Ｔａｂｌｅ．?１２?Ｔｒａｉｎｉｎｇ?ｄａｔａｓｅｔ?ａｎｄ?Ｔｅｓｔ?ｄａｔａｓｅｔ??序列类型?训练序列数?测试序列数??转录因子与其结合序列?５５００?７４２??随着训练的进行，错误率和损失函数的值不断卜＾降，在前期经历了大幅度的下降??速度后在接近５０次训练时基本保持了稳定，最后错误率下降到了?１０％?（正确率上升??到了?９０％）并且保持了稳定，损失函数降低至〇．〇２，证明模型己经稳定（图３）。在??训练了接近５００次后，我们观察到曲线己经非常稳定的不在变化（图３），停止训练??并保存模型。??
【参考文献】：
期刊论文
[1]大肠杆菌基因组中重叠基因注释的机器学习优化方法[J]. 杜明伦,黄君君,马香,唐燕琼,刘柱. 中国生物化学与分子生物学报. 2018(08)
[2]草鱼源致病性维氏气单胞菌的分离鉴定及药物敏感性分析[J]. 高彩霞,任燕,王庆,曾伟伟,李莹莹,王英英,常藕琴,石存斌,张德锋,方珍珍. 安徽农业大学学报. 2018(03)
[3]维氏气单胞菌毒力因子的研究进展[J]. 宋明芳,张冬星,张海鹏,陈龙,康元环,张蕾,单晓枫,钱爱东. 中国兽医科学. 2018(08)
[4]黄金鲫致病性维氏气单胞菌的分离鉴定及耐药性分析[J]. 贾俊鹏,张冬星,康元环,张海月,孙武文,单晓枫,钱爱东. 中国兽医学报. 2018(04)
[5]维氏气单胞菌最新研究进展[J]. 康元环,张冬星,杨滨僮,张贺亮,孙武文,单晓枫,钱爱东. 中国人兽共患病学报. 2018(05)
[6]加州鲈源维氏气单胞菌的分离、鉴定及致病性[J]. 龙波,王均,贺扬,赵敏,王二龙,崔静雯,邓绿洲,刘韬,曾宇鲲,汪开毓,陈德芳. 中国兽医学报. 2016(01)
[7]不同动物源性维氏气单胞菌生物学特性比较研究[J]. 单晓枫,康元环,夏京津,龙继兵,陈龙,王惠,曹亮,孟庆峰,钱爱东. 中国兽医杂志. 2015(03)
[8]维氏气单胞菌研究进展[J]. 吴同垒,单晓枫,孟庆峰,郭伟生,王伟利,钱爱东. 中国兽药杂志. 2011(07)
[9]嗜水气单胞菌毒力基因的研究进展[J]. 朱大玲,李爱华,钱冬,汪建国. 水生生物学报. 2004(01)
本文编号：3442553
【文章来源】：海南大学海南省 211工程院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图１维氏气单胞菌感染鱼类??Ｆｉｇ．ｌ?Ａｅｒｏｍｏｎａｓ?ｖｅｒｏｎｉｉ?ｃａｎ?ｉｎｆｅｃｔ?ｆｉｓｈ??
３．?１卷积神经网络用于转录因子结合启动子模型的构建及验证??３．?１．１卷积神经网络的架构??卷积神经网络的架构主要包括卷积层，池化层以及全连接层（图２），卷积层使??用到的卷积大小为２，池化层采取了最大池化，全连接层包含了?２５６个节点，训练样本??中每一条序列都与一个特定的标签相对应，同一个标签可能对应了多条不同的序列，??在卷积的过程中，这个采样的行为不断被重复，采集出相对应的图形数据。池化层应??用了成熟的最大池化，经过池化后的数据进入全连接层，为了防止过拟合的情况出现，??我们使用了?Ｄｒｏｐｏｕｔ的技术，随机失活百分之五十的神经元并在下一次的训练中重新??随机选择失活的神经元。??２Ｄ?Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ?Ｍａｔｒｉｘ??＇?＇Ｎ?广。ｌｕｏｌｏｔ｜０Ｑ＾｜?Ｍａｘ?Ｐｏｏｌｉｎｇ?Ｍａｘ?Ｐｏｏｌｉｎｇ??Ｕｂｃｉｉ?Ｓｅａｌ?—？ｍＩ）ｉＳ！〇ｉ〇ｋ＇?Ｃｏｎｖｏｌｕｔｉｏｎａｌ?．?．?Ｃｏｎｖｏｌｕｔｉｏｎａｌ??，，??〇〇〇?ｉｏｉ?ｕ〇?ｉ?ｄ、＇?－一??０?１?００?Ｉ?００００?Ｉ?＼?＾?、、邊‘
?海南大学硕士学位论文???３．１．２卷积神经网络的训练??卷积神经网络的训练可以基于序列完成（杜明伦等，２０１８），并己经取得了良好的??效果。我们使用６２４２条转录因子与ＤＮＡ结合的序列，其中的７４２条序列用于测试??（表?１２）。??表１２训练数据集与测试数据集??Ｔａｂｌｅ．?１２?Ｔｒａｉｎｉｎｇ?ｄａｔａｓｅｔ?ａｎｄ?Ｔｅｓｔ?ｄａｔａｓｅｔ??序列类型?训练序列数?测试序列数??转录因子与其结合序列?５５００?７４２??随着训练的进行，错误率和损失函数的值不断卜＾降，在前期经历了大幅度的下降??速度后在接近５０次训练时基本保持了稳定，最后错误率下降到了?１０％?（正确率上升??到了?９０％）并且保持了稳定，损失函数降低至〇．〇２，证明模型己经稳定（图３）。在??训练了接近５００次后，我们观察到曲线己经非常稳定的不在变化（图３），停止训练??并保存模型。??
【参考文献】：
期刊论文
[1]大肠杆菌基因组中重叠基因注释的机器学习优化方法[J]. 杜明伦,黄君君,马香,唐燕琼,刘柱. 中国生物化学与分子生物学报. 2018(08)
[2]草鱼源致病性维氏气单胞菌的分离鉴定及药物敏感性分析[J]. 高彩霞,任燕,王庆,曾伟伟,李莹莹,王英英,常藕琴,石存斌,张德锋,方珍珍. 安徽农业大学学报. 2018(03)
[3]维氏气单胞菌毒力因子的研究进展[J]. 宋明芳,张冬星,张海鹏,陈龙,康元环,张蕾,单晓枫,钱爱东. 中国兽医科学. 2018(08)
[4]黄金鲫致病性维氏气单胞菌的分离鉴定及耐药性分析[J]. 贾俊鹏,张冬星,康元环,张海月,孙武文,单晓枫,钱爱东. 中国兽医学报. 2018(04)
[5]维氏气单胞菌最新研究进展[J]. 康元环,张冬星,杨滨僮,张贺亮,孙武文,单晓枫,钱爱东. 中国人兽共患病学报. 2018(05)
[6]加州鲈源维氏气单胞菌的分离、鉴定及致病性[J]. 龙波,王均,贺扬,赵敏,王二龙,崔静雯,邓绿洲,刘韬,曾宇鲲,汪开毓,陈德芳. 中国兽医学报. 2016(01)
[7]不同动物源性维氏气单胞菌生物学特性比较研究[J]. 单晓枫,康元环,夏京津,龙继兵,陈龙,王惠,曹亮,孟庆峰,钱爱东. 中国兽医杂志. 2015(03)
[8]维氏气单胞菌研究进展[J]. 吴同垒,单晓枫,孟庆峰,郭伟生,王伟利,钱爱东. 中国兽药杂志. 2011(07)
[9]嗜水气单胞菌毒力基因的研究进展[J]. 朱大玲,李爱华,钱冬,汪建国. 水生生物学报. 2004(01)
本文编号：3442553
本文链接：https://www.wllwen.com/nykjlw/scyylw/3442553.html
