基于3DCNN的蛋白质结构评价

发布时间：2020-05-31 04:35

【摘要】：蛋白质是生命的物质基础,是生命活动的主要承担者。蛋白质行使各项生物功能都需要依赖于它的空间结构,因此蛋白质生物学的核心是理解结构与功能的映射关系。然而到目前为止,我们对于蛋白质结构的了解远远落后于对蛋白质序列的了解,所以利用计算的方法对蛋白质结构进行预测具有重要意义。蛋白质结构预测的方法已经有很多,一般来说,都是要依据不同的策略生成大量的三维结构,之后再从中挑选若干最“好”的结构。因此,如何对蛋白质结构进行评价对最终得到的蛋白质结构具有重要影响。针对蛋白质结构评价问题,本文提出了一种基于三维卷积神经网络(3DCNN)的深度学习方法。在蛋白质结构中,氨基酸之间、原子之间都会相互影响,它们之间的作用力最终决定了蛋白质的空间结构。从另一方面来说,氨基酸在蛋白质结构中需要生存在适合于它的微环境中。因此,我们可以通过氨基酸与其微环境的适应程度来对蛋白质的结构进行评价。本文首先建立了本地的蛋白质结构数据库,并提取了结构原始分布中的微环境特征,训练了一个3DCNN的氨基酸微环境模型。之后,对于需要评价的蛋白质结构,根据得到的氨基酸微环境模型,通过分析该结构中氨基酸与其微环境的适应程度对结构进行评价,提出了所谓的基于3DCNN的蛋白质结构评价方法。为验证本文方法的有效性,将所提出的算法和LDDT算法在CASP比赛2012年的数据集上进行得分的比较实验。实验结果是,本文所提出的算法对蛋白质结构评价得分要低于LDDT算法计算得分,但是得分与LDDT算法得分呈现正相关的关系。与使用常规蛋白质评价方法相比,我们的三维卷积神经网络对蛋白质结构评价的评分标准不同,我们使用微环境是否准确作为标准。我们以大量的蛋白质结构数据作为样本对三维卷积神经网络进行训练,根据结果不断调整模型的训练参数,当模型训练好以后,只需要预测出的结构作为输入就能得出一个蛋白质结构评分。本文对三维卷积神经网络进行了训练,对得到的结果进行分析和对比,我们发现我们的模型评分与GDT的评分呈现正相关的关系,这样的结论使我们在没有真实结构条件下也能在众多预测结构中能够挑选出较好的结构。这样结论也说明3DCNN框架非常适合蛋白质微环境的分析,可用于蛋白质结构评价。
【图文】：

氨基酸,种类,蛋白质结构

第 2 章蛋白质结构相关知识第 2 章蛋白质结构相关知识2.1 蛋白质结构2.1.1 蛋白质基本单位蛋白质作为一种自然界任何生命活动都离不开的生物大分子，其基本单位氨基酸，主要化学元素组成包含：碳、氮、氧、硫和氢。常见的氨基酸种类一有 20 种，如图 2.1 所示，所有的蛋白质都是有这 20 中氨基酸脱水链接而成，水后形成的肽链中的氨基酸叫做残基。

结构通式,氨基酸

图 2.2 氨基酸结构通式氨基酸通过脱水缩合的方式组成一条肽链，脱水缩合是指氨基酸的氨基氢键和氧键，，另一个氨基酸断掉氢基组合起来，断掉的键组合成为水生成一个肽键同时生成一个水分子，如图 2.3 所示氨基酸脱水过程。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;Q51

【相似文献】