基于多分類器集成的蛋白質三級結構預測.pdf

1、當前，生命科學研究已進入后基因組時代。蛋白質結構與功能研究標志著蛋白質組學成為生物信息學的主要研究領域之一。蛋白質結構預測問題是蛋白質組學和生物信息學研究的熱點問題。隨著機器學習方法在生物信息學領域應用的日趨成熟，大量生物信息學問題已經由原來的單純生物學實驗驗證向計算智能與生物實驗相結合的解決方式轉化。采用計算智能方式解決蛋白質三級結構準確分類問題，核心在于對給定的蛋白質序列進行有效的特征提取，從而找出準確分類的關鍵信息;根據(jù)生物學原理

2、構造相應的分類模型;將這種新模型與其他較為成熟的模型進行比對試驗，從而證明新型樹狀分類模型的實際分類效果。本文從蛋白質特征提取、構造新型樹狀分類模型、選擇合適的集成策略三個方面對原有蛋白質三級結構預測方法進行改進，提出了基于多分類器集成的蛋白質三級結構分類方法。
　　在特征選擇方面，本文在前人的實驗基礎上對于蛋白質序列的統(tǒng)計學信息進行改進，將氨基酸的多種性質進行融合，從而提出了廣義多肽相關系數(shù)。此外，根據(jù)在蛋白質結構模型中的“熔球

3、態(tài)”假設，采用氨基酸分子二級結構傾向性和常用蛋白質分子疏水性模式作為本實驗的三個特征群。在分類模型構建方面，根據(jù)一定的生物學意義和問題的特殊性，本文提出了新型樹狀蛋白質三級結構分類模型，其主要步驟是先進行三分類（區(qū)分α*β結構、all-α結構以及all-β結構）再進行二分類（將α*β結構分為α+β結構和α/β結構），并且在模型的每個分類節(jié)點上采用多分類器與多特征群結合投票集成的方式。為了驗證新型樹狀分類模型的效果，本文選取ASTRAL、

4、C204、640和1189四個同源性不同的蛋白質三級結構數(shù)據(jù)集作為實驗樣本，同時采用單層one-vs-all模型與該模型進行比對試驗，考慮到生物信息中包含有一定數(shù)量的冗余信息，采用相關系數(shù)法對特征群進行群內降維，從而縮短分類器的運行時間。
　　本文主要創(chuàng)新點在于將柔性神經樹模型、粒子群算法優(yōu)化的神經網(wǎng)絡模型以及支持向量機模型作為新型樹狀分類模型的節(jié)點基分類器。在該分類模型中，采用不同分類器與不同特征群進行融合，在各個節(jié)點上形成不同