融合能量特征、物化特征和结构特征识别离子配体结合位点
发布时间:2022-02-27 10:19
在许多重要的生命活动中,蛋白质功能的执行依赖于蛋白质与配体的相互作用,离子作为一种重要的蛋白质结合配体,其结合位点的识别对于蛋白质功能的研究有着重要意义。理论预测的方法识别离子配体结合位点表现出较好的前景,也是理论生物物理学的发展方向。本文基于蛋白质序列信息,通过融合能量特征、物化特征和结构特征对离子配体结合位点进行了识别,主要工作如下:(1)构建了包含NO2-、CO32-、SO42-和PO43-的4种酸根离子配体结合残基数据集,通过滑动窗口的方法截取片段,确定了4种酸根离子配体的最佳窗口长分别为:11、13、11、9。选取了小组已经整理好的10种金属离子配体(Zn2+、Cu2+、Fe2+、Fe3+、Ca2+、Mg2+、Mn2+、Na+、K...
【文章来源】:内蒙古工业大学内蒙古自治区
【文章页数】:56 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 课题研究的背景和意义
1.2 国内外研究进展
1.3 论文的结构安排
第二章 数据集、算法及检验方法的介绍
2.1 数据集
2.2 数据集的统计分析
2.3 算法
2.3.1 序列最小优化(SMO)算法
2.3.2 支持向量机(SVM)算法
2.4 检验方法和评价指标
2.5 本章小结
第三章 融合物化特征和结构特征识别离子配体结合位点
3.1 特征参数的选取
3.1.1 统计分析下的特征参数
3.1.2 氨基酸的物化特性
3.1.3 预测的结构信息
3.2 特征参数的提取
3.2.1 离散增量(ID)算法
3.2.2 位置权重矩阵
3.2.3 矩阵打分算法
3.3 计算结果与讨论
3.3.1 最佳滑动窗口长度的确定
3.3.2 五交叉检验下的识别结果
3.3.3 与前人计算结果的比较
3.4 本章小结
第四章 添加能量特征识别离子配体结合位点
4.1 特征参数的选取
4.2 特征参数的提取
4.2.1 组分信息和位点保守性信息的提取
4.2.2 亲疏水的信息熵的提取
4.3 计算结果与讨论
4.3.1 五交叉检验下的识别结果
4.3.2 独立检验下的识别结果
4.3.3 降维之后的识别结果
4.4 本章小结
第五章 在线服务器搭建
5.1 基本模式
5.2 工作流程
5.3 最终用户界面
第六章 总结和展望
6.1 工作总结
6.2 课题展望
参考文献
附录
附录A 酸根离子配体正负集片段中氨基酸组分信息的小提琴图
附录B 酸根离子配体正负集片段中氨基酸的位点保守性图
致谢
在研期间获得的科研成果
【参考文献】:
期刊论文
[1]Identifying RNA-binding proteins using multi-label deep learning[J]. Xiaoyong PAN,Yong-Xian FAN,Jue JIA,Hong-Bin SHEN. Science China(Information Sciences). 2019(01)
[2]阿尔茨海默病相关的金属内稳态平衡调控研究[J]. 吕小平,谭相石. 化学进展. 2013(04)
本文编号:3645279
【文章来源】:内蒙古工业大学内蒙古自治区
【文章页数】:56 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
第一章 绪论
1.1 课题研究的背景和意义
1.2 国内外研究进展
1.3 论文的结构安排
第二章 数据集、算法及检验方法的介绍
2.1 数据集
2.2 数据集的统计分析
2.3 算法
2.3.1 序列最小优化(SMO)算法
2.3.2 支持向量机(SVM)算法
2.4 检验方法和评价指标
2.5 本章小结
第三章 融合物化特征和结构特征识别离子配体结合位点
3.1 特征参数的选取
3.1.1 统计分析下的特征参数
3.1.2 氨基酸的物化特性
3.1.3 预测的结构信息
3.2 特征参数的提取
3.2.1 离散增量(ID)算法
3.2.2 位置权重矩阵
3.2.3 矩阵打分算法
3.3 计算结果与讨论
3.3.1 最佳滑动窗口长度的确定
3.3.2 五交叉检验下的识别结果
3.3.3 与前人计算结果的比较
3.4 本章小结
第四章 添加能量特征识别离子配体结合位点
4.1 特征参数的选取
4.2 特征参数的提取
4.2.1 组分信息和位点保守性信息的提取
4.2.2 亲疏水的信息熵的提取
4.3 计算结果与讨论
4.3.1 五交叉检验下的识别结果
4.3.2 独立检验下的识别结果
4.3.3 降维之后的识别结果
4.4 本章小结
第五章 在线服务器搭建
5.1 基本模式
5.2 工作流程
5.3 最终用户界面
第六章 总结和展望
6.1 工作总结
6.2 课题展望
参考文献
附录
附录A 酸根离子配体正负集片段中氨基酸组分信息的小提琴图
附录B 酸根离子配体正负集片段中氨基酸的位点保守性图
致谢
在研期间获得的科研成果
【参考文献】:
期刊论文
[1]Identifying RNA-binding proteins using multi-label deep learning[J]. Xiaoyong PAN,Yong-Xian FAN,Jue JIA,Hong-Bin SHEN. Science China(Information Sciences). 2019(01)
[2]阿尔茨海默病相关的金属内稳态平衡调控研究[J]. 吕小平,谭相石. 化学进展. 2013(04)
本文编号:3645279
本文链接:https://www.wllwen.com/projectlw/swxlw/3645279.html
教材专著