【摘 要】
：
绝大部分的蛋白质相互作用结合自由能仅由少数关键残基所贡献，这种残基被称为热点残基。热点残基对我们理解蛋白质功能和研究蛋白质相互作用非常重要。目前主要通过丙氨酸突变
论文部分内容阅读
绝大部分的蛋白质相互作用结合自由能仅由少数关键残基所贡献，这种残基被称为热点残基。热点残基对我们理解蛋白质功能和研究蛋白质相互作用非常重要。目前主要通过丙氨酸突变扫描技术来鉴别热点残基，但因为代价高、周期长等因素而不能大规模应用，因此急需可靠的、高效率的计算方法来构建热点残基预测模型。本文使用基于蛋白质特征属性的方法，结合支持向量机（SVM）分类算法，构建了一个混合SVM模型来预测蛋白质相互作用界面中的热点残基。首先在ASEdb数据库中提取出实验所需要的训练样本集，然后提取了与蛋白质相关的60个属性特征，包括理化属性、结构属性以及其它相关属性，并将这60个属性分为5个类别，对5个类别分别进行特征选择，得到5个特征子集分别构建SVM预测模型。通过对这5个预测模型的评价，得出了两个能有效预测出热点残基的模型，然后结合这两个预测模型构建出混合SVM模型，为了进一步进行验证模型的可靠性，我们还在BID数据库中提取出独立的测试样本集来验证我们的预测模型。我们还将前人研究的预测模型和我们的预测模型进行了对比，包括Robetta模型、FOLDEF模型、KFC模型和MINERVA模型，这些模型在热点残基预测领域有着非常重要的意义。使用相同的训练样本集来构建预测模型，并使用相同的测试集来验证，我们的模型在热点残基的预测能力上有明显的提高，证明了我们方法的适用性。
其他文献
信息资源的海量增长，提升了用户获取资源的可能性。但信息的过载，同时也降低了用户获取有用资源的可能性。随着时代的变迁，用户在整个检索行为过程中，其潜在信息需求呈现出从单一
网络的可嵌入性是衡量该网络通用性的一个重要性能评价指标。理想的网络模型应具备良好的可嵌入性,使得应用在其他网络中的算法能够在主图中高效率的运行,从而扩大主图的应用
粒子群优化(PSO)算法,属于群体智能(SI)优化算法中一种较新的优化算法,经验表明,该算法在许多优化问题中表现优良。PSO算法原理简单且易实现,迭代运算的参数少,能够以较快的
图像噪声是由多种因素造成的一种随机现象。噪声的存在直接影响了图像真实信息的表达,如何从受到噪声污染的图像中恢复原有信息,提升图像质量已经成为图像处理领域的热点研究
随着软件产业的飞速发展,并行软件系统己经成为当下主流的一种软件系统,在人们生活生产中扮演越来越重要的角色。例如常见的云计算软件、网络软件等软件系统都具有并行行为的
科学计算对计算机的计算能力的需求是无止境的，随着计算机硬件的飞速发展，计算机的运行速度已从每秒几万次到每秒百万甚至千万上亿次。算法也相应地由串行的算法发展到适合大规
随着嵌入式系统功能的日益强大，在享受嵌入式设备对现代生活带来便捷的同时，系统对能耗的要求也不断增加。而嵌入式便携设备均采用电池作为主要能源，但是电池技术的发展速度远跟
Internet技术的快速发展和Web服务的日益增多以及互联网的迅速普及,使分布式计算得到了长足的发展。如何在众多的Web服务中灵活、快速、准确地发现及组合满足用户需求的服务
统一建模语言(Unified Modeling Language, UML)是一种通用的图形建模语言,它已成为面向对象分析和设计的工业标准。UML采用元模型、对象约束语言(Object Constraint Languag
随着无线传感器网络技术的快速发展和日益成熟,无线技术走入了工业控制系统领域,并成为了工业控制系统研究的热点；工业无线技术拥有低成本、低功耗、部署简单等众多优点,拥有