蛋白質翻譯后修飾是細胞內一種非常重要的調控,而膜蛋白類型與它執(zhí)行的功能密切相關。因此,準確地識別蛋白質翻譯后修飾位點和膜蛋白類型對疾病預防與治療具有重要意義。藥物重定位是近來興起的一種重要的藥物研發(fā)思路,現(xiàn)已成為計算生物學中的研究熱點。本文探索蛋白質亞硝基化、氨甲酰化修飾位點,膜蛋白類型以及藥物適應癥的計算預測方法,主要工作如下:1、蛋白質亞硝基化修飾位點預測方法研究基于稀疏表示理論、核函數(shù)理論以及特征選取技術,提出了一種計算預測蛋白質亞硝基化修飾位點的方法。首先,從氨基酸理化屬性、頻率、二級結構等6方面信息將蛋白質序列編碼為666個特征;然后利用最大相關最小冗余算法及核稀疏表示分類算法選擇優(yōu)化特征,再以核稀疏表示分類算法建立預測模型。10折交叉測試和獨立測試結果的馬修相關系數(shù)分別為0.1634和0.2919。在由113條序列構成的另一個獨立集上進行測試,馬修相關系數(shù)為0.2239,優(yōu)于當前的預測算法iSNO-AAPair和iSNO-PseAAC（馬修相關系數(shù)分別為0.1125和0.1190）。此外,開發(fā)了預測蛋白質亞硝基化修飾位點的在線工具:http://www.zhni.net/s... 

【文章來源】：上海大學上海市 211工程院校

【文章頁數(shù)】：150 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 蛋白質翻譯后修飾預測研究現(xiàn)狀
    1.3 藥物重定位的計算方法研究現(xiàn)狀
    1.4 交叉驗證與評價指標
        1.4.1 交叉驗證
        1.4.2 實驗結果評價
    1.5 生物信息學數(shù)據(jù)庫介紹
        1.5.1 核苷酸數(shù)據(jù)庫
        1.5.2 蛋白質數(shù)據(jù)庫
        1.5.3 分子相互作用數(shù)據(jù)庫
        1.5.4 PTM數(shù)據(jù)庫
    1.6 論文的主要研究內容
第二章 基于核稀疏表示分類和mRMR算法的蛋白質亞硝基化修飾位點預測
    2.1 引言
    2.2 數(shù)據(jù)
    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 實驗結果與討論
        2.4.1 優(yōu)化特征集
        2.4.2 與其它方法比較
        2.4.3 在獨立測試集上比較
    2.5 預測軟件SNOPred
        2.5.1 Window用戶
        2.5.2 Linux用戶
    2.6 本章小結
第三章 基于一類k-最近鄰算法的賴氨酸氨甲酰化修飾位點預測
    3.1 前言
    3.2 數(shù)據(jù)
    3.3 方法
        3.3.1 特征提取及特征標識說明
        3.3.2 二階段特征選擇
        3.3.3 一類k-最近鄰算法
    3.4 實驗結果
        3.4.1 參數(shù)優(yōu)化
        3.4.2 特征優(yōu)化
        3.4.3 與其它二分類算法比較
    3.5 討論
        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 與乙�；⒎核鼗�、SUMO化修飾比較
    3.6 本章小結
第四章 人類膜蛋白多標簽類型的預測
    4.1 引言
    4.2 數(shù)據(jù)與方法
        4.2.1 數(shù)據(jù)
        4.2.2 預測方法
        4.2.3 預測結果評價
    4.3 結果及討論
        4.3.1 BLAST/PSI-BLAST方法的E-value選擇
        4.3.2 單個方法和組合方法預測性能
        4.3.3 與其它方法比較
        4.3.4 討論
    4.4 本章小結
第五章 基于化合物相互作用及結構相似性預測藥物適應癥
    5.1 前言
    5.2 數(shù)據(jù)
        5.2.1 訓練集
        5.2.2 獨立測試集
    5.3 方法
        5.3.1 基于化合物相互作用的預測
        5.3.2 基于結構相似性的預測
        5.3.3 基于化合物相互作用和結構相似性的預測
    5.4 預測結果評價
    5.5 實驗結果及討論
        5.5.1 參數(shù)優(yōu)化
        5.5.2 在數(shù)據(jù)集2DS上5折交叉驗證
        5.5.3 方法比較
        5.5.4 獨立數(shù)據(jù)集上測試
        5.5.5 案例分析
    5.6 本章小結
第六章 基于化合物-化合物相互作用預測癌癥藥物
    6.1 前言
    6.2 數(shù)據(jù)與方法
        6.2.1 數(shù)據(jù)
        6.2.2 預測方法
        6.2.3 實驗結果評價
    6.3 實驗結果與討論
        6.3.1 與其它方法比較
        6.3.2 討論
    6.4 本章小結
第七章 結論與展望
    7.1 結論
    7.2 展望
參考文獻
在攻讀博士學位期間公開發(fā)表的論文
作者在攻讀博士學位期間所參與的項目
致謝
附錄mRMR算法的特征輸出順序



本文編號：3141287