基于支持向量机的蛋白质二级结构预测新算法及其在血管蛋白质研究中的初步应用

• 作 者: 李赫
• 机 构: 上海交通大学
• 出 处: 上海交通大学
• 发表日期: 2007年期
• 关键词: 支持向量机 二级结构预测 数据集 交叉验证 蛋白质组学

蛋白质空间结构研究已成为后基因组时代生命科学领域的研究热点之一。目前，通过生物学实验方法测得结构的蛋白质只有4万多个，远远落后于蛋白质序列的测序速度，使用计算机和数学的理论方法预测蛋白质结构势在必行。然而，直接从蛋白质一级序列预测其三维空间结构存在诸多困难，并且在对蛋白质分子的深入研究后发现由二级结构组装而成的空间结构是有限的。因此，从蛋白质序列先预测出二级结构，再由二级结构预测三级结构便成为蛋白质结构研究中一条有效的途径。本文以经典的22维氨基酸编码矩阵为基础引入了24维的混合编码矩阵，提出了一种基于此编码矩阵和支持向量机的蛋白质二级结构预测新算法并验证了其优越性。我们利用PDB SELECT和HSSP等蛋白质数据库构建了3个分别包含141、212和365个蛋白的相互独立的非冗余数据集，并在每个数据集上分别进行7折交叉验证。结果表明，混和编码在包含365个蛋白的数据集上获得了78.96 %的预测准确率(Q3)，比使用经典编码并基于同样数据集的预测结果提高近3 %。同时，我们发现随着数据集的增大，上述预测准确率的改进幅度将会更加显著。此外，本文对比了不同预测方法对3个已知的高血压相关蛋白的预测效果，进一步分析了基于混合编码矩阵的新预测方法的优势及其在血管蛋白质研究中的应用前景。