蛋白质翻译后修饰位点与药物适应症预测方法研究
发布时间：2021-04-16 10:51
蛋白质翻译后修饰是细胞内一种非常重要的调控,而膜蛋白类型与它执行的功能密切相关。因此,准确地识别蛋白质翻译后修饰位点和膜蛋白类型对疾病预防与治疗具有重要意义。药物重定位是近来兴起的一种重要的药物研发思路,现已成为计算生物学中的研究热点。本文探索蛋白质亚硝基化、氨甲酰化修饰位点,膜蛋白类型以及药物适应症的计算预测方法,主要工作如下:1、蛋白质亚硝基化修饰位点预测方法研究基于稀疏表示理论、核函数理论以及特征选取技术,提出了一种计算预测蛋白质亚硝基化修饰位点的方法。首先,从氨基酸理化属性、频率、二级结构等6方面信息将蛋白质序列编码为666个特征;然后利用最大相关最小冗余算法及核稀疏表示分类算法选择优化特征,再以核稀疏表示分类算法建立预测模型。10折交叉测试和独立测试结果的马修相关系数分别为0.1634和0.2919。在由113条序列构成的另一个独立集上进行测试,马修相关系数为0.2239,优于当前的预测算法iSNO-AAPair和iSNO-PseAAC（马修相关系数分别为0.1125和0.1190）。此外,开发了预测蛋白质亚硝基化修饰位点的在线工具:http://www.zhni.net/s...
【文章来源】：上海大学上海市 211工程院校
【文章页数】：150 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 蛋白质翻译后修饰预测研究现状
1.3 药物重定位的计算方法研究现状
1.4 交叉验证与评价指标
1.4.1 交叉验证
1.4.2 实验结果评价
1.5 生物信息学数据库介绍
1.5.1 核苷酸数据库
1.5.2 蛋白质数据库
1.5.3 分子相互作用数据库
1.5.4 PTM数据库
1.6 论文的主要研究内容
第二章 基于核稀疏表示分类和mRMR算法的蛋白质亚硝基化修饰位点预测
2.1 引言
2.2 数据
2.3 方法
2.3.1 特征提取
2.3.2 mRMR算法
2.3.3 IFS算法
2.3.4 KSRC算法
2.4 实验结果与讨论
2.4.1 优化特征集
2.4.2 与其它方法比较
2.4.3 在独立测试集上比较
2.5 预测软件SNOPred
2.5.1 Window用户
2.5.2 Linux用户
2.6 本章小结
第三章 基于一类k-最近邻算法的赖氨酸氨甲酰化修饰位点预测
3.1 前言
3.2 数据
3.3 方法
3.3.1 特征提取及特征标识说明
3.3.2 二阶段特征选择
3.3.3 一类k-最近邻算法
3.4 实验结果
3.4.1 参数优化
3.4.2 特征优化
3.4.3 与其它二分类算法比较
3.5 讨论
3.5.1 PSSM conservation scores特征分析
3.5.2 Amino acid factors和secondary structures特征分析
3.5.3 其它特征分析
3.5.4 与乙酰化、泛素化、SUMO化修饰比较
3.6 本章小结
第四章 人类膜蛋白多标签类型的预测
4.1 引言
4.2 数据与方法
4.2.1 数据
4.2.2 预测方法
4.2.3 预测结果评价
4.3 结果及讨论
4.3.1 BLAST/PSI-BLAST方法的E-value选择
4.3.2 单个方法和组合方法预测性能
4.3.3 与其它方法比较
4.3.4 讨论
4.4 本章小结
第五章 基于化合物相互作用及结构相似性预测药物适应症
5.1 前言
5.2 数据
5.2.1 训练集
5.2.2 独立测试集
5.3 方法
5.3.1 基于化合物相互作用的预测
5.3.2 基于结构相似性的预测
5.3.3 基于化合物相互作用和结构相似性的预测
5.4 预测结果评价
5.5 实验结果及讨论
5.5.1 参数优化
5.5.2 在数据集2DS上5折交叉验证
5.5.3 方法比较
5.5.4 独立数据集上测试
5.5.5 案例分析
5.6 本章小结
第六章 基于化合物-化合物相互作用预测癌症药物
6.1 前言
6.2 数据与方法
6.2.1 数据
6.2.2 预测方法
6.2.3 实验结果评价
6.3 实验结果与讨论
6.3.1 与其它方法比较
6.3.2 讨论
6.4 本章小结
第七章 结论与展望
7.1 结论
7.2 展望
参考文献
在攻读博士学位期间公开发表的论文
作者在攻读博士学位期间所参与的项目
致谢
附录mRMR算法的特征输出顺序
本文编号：3141287
【文章来源】：上海大学上海市 211工程院校
【文章页数】：150 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.2 蛋白质翻译后修饰预测研究现状
1.3 药物重定位的计算方法研究现状
1.4 交叉验证与评价指标
1.4.1 交叉验证
1.4.2 实验结果评价
1.5 生物信息学数据库介绍
1.5.1 核苷酸数据库
1.5.2 蛋白质数据库
1.5.3 分子相互作用数据库
1.5.4 PTM数据库
1.6 论文的主要研究内容
第二章 基于核稀疏表示分类和mRMR算法的蛋白质亚硝基化修饰位点预测
2.1 引言
2.2 数据
2.3 方法
2.3.1 特征提取
2.3.2 mRMR算法
2.3.3 IFS算法
2.3.4 KSRC算法
2.4 实验结果与讨论
2.4.1 优化特征集
2.4.2 与其它方法比较
2.4.3 在独立测试集上比较
2.5 预测软件SNOPred
2.5.1 Window用户
2.5.2 Linux用户
2.6 本章小结
第三章 基于一类k-最近邻算法的赖氨酸氨甲酰化修饰位点预测
3.1 前言
3.2 数据
3.3 方法
3.3.1 特征提取及特征标识说明
3.3.2 二阶段特征选择
3.3.3 一类k-最近邻算法
3.4 实验结果
3.4.1 参数优化
3.4.2 特征优化
3.4.3 与其它二分类算法比较
3.5 讨论
3.5.1 PSSM conservation scores特征分析
3.5.2 Amino acid factors和secondary structures特征分析
3.5.3 其它特征分析
3.5.4 与乙酰化、泛素化、SUMO化修饰比较
3.6 本章小结
第四章 人类膜蛋白多标签类型的预测
4.1 引言
4.2 数据与方法
4.2.1 数据
4.2.2 预测方法
4.2.3 预测结果评价
4.3 结果及讨论
4.3.1 BLAST/PSI-BLAST方法的E-value选择
4.3.2 单个方法和组合方法预测性能
4.3.3 与其它方法比较
4.3.4 讨论
4.4 本章小结
第五章 基于化合物相互作用及结构相似性预测药物适应症
5.1 前言
5.2 数据
5.2.1 训练集
5.2.2 独立测试集
5.3 方法
5.3.1 基于化合物相互作用的预测
5.3.2 基于结构相似性的预测
5.3.3 基于化合物相互作用和结构相似性的预测
5.4 预测结果评价
5.5 实验结果及讨论
5.5.1 参数优化
5.5.2 在数据集2DS上5折交叉验证
5.5.3 方法比较
5.5.4 独立数据集上测试
5.5.5 案例分析
5.6 本章小结
第六章 基于化合物-化合物相互作用预测癌症药物
6.1 前言
6.2 数据与方法
6.2.1 数据
6.2.2 预测方法
6.2.3 实验结果评价
6.3 实验结果与讨论
6.3.1 与其它方法比较
6.3.2 讨论
6.4 本章小结
第七章 结论与展望
7.1 结论
7.2 展望
参考文献
在攻读博士学位期间公开发表的论文
作者在攻读博士学位期间所参与的项目
致谢
附录mRMR算法的特征输出顺序
本文编号：3141287
本文链接：https://www.wllwen.com/shoufeilunwen/yxlbs/3141287.html
教材专著
