收藏本站
《安徽大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度学习的蛋白质相互作用预测方法的研究

孙士伟  
【摘要】:到目前为止,人类对真核基因表达的理解仍然还存在很大的局限性,尽管许多蛋白质的变异在统计学上表明与人类疾病有关,但几乎所有的这些变异其具体机制尚不清楚。在蛋白质的生命活动中,其主要表现为从细胞信号传导到细胞代谢,从生物体内的遗传物质的复制到其基因表达的调节,从细胞生长和繁殖到有机体的死亡,其中蛋白质都扮演着不过或缺的作用。虽然有不少蛋白质在生物体内主要以单体的形式行使其功能,但其中很大一部分与其他配体分子结合或作为生物复合物参与细胞的生命活动。生物过程中的许多关键功能和过程主要是由不同类型的蛋白质-蛋白质相互作用(PPIs)所维系的,其中许多人类疾病的产生都与其调控失调有关。因此,PPIs的预测对于理解生物过程和各种用于识别新PPIs的实验方法是至关重要的。尽管前人对蛋白质相互作用探索的方法在不停的进步,但他们有一个共同的缺点,模型的建立是通过强大的领域知识从观测数据中提取特征数据而得到的,其中领域知识的偏差和可能存在的噪音会使后续的分类器学习到错误的知识。深度学习是最近比较流行的一种方法,它通过把观测数据映射到一个高层次的抽象空间,在这个空间中构建预测模型,以混合多层抽象的方式工作。这种新型的方法为集成异构数据提供了许多有吸引力的解决方案,并有效地从多个简单的原始输入中自动学习复杂的模式。针对蛋白质相互作用预测所存在的一些不足,本文提出了一种名为DeepPPI的方法,它使用深度神经网络来有效地从常见蛋白质描述符(如氨基酸组成、二肽组成、C-T-D特征、QSOD描述符、APAAC组成等)中学习蛋白质的表征,从而能够更好的分辨两个蛋白质之间的相互作用。这种网络架构可以自动从蛋白质的序列特征中提取抽象特征,并能够学习到其内部存在的隐含规律,并且这种架构融合蛋白质的原始输入特征能够更好的学习到高层次特征。实验结果表明,DeepPPI在测试数据集上达到了优异的性能,其中,准确率(Accuracy)指标达到92.50%,精确率(Precision)指标获得了 94.38%,召回率(Recall)指标则达到90.56%,特异性(Specificity)达到94.49%,马修斯相关系数(Matthews Correlation Coefficient)取得了 85.08%,ROC 曲线下面积(Area Under the Curve)达到了 97.43%。大量的实验表明,DeepPPI可以通过分层提取来学习蛋白质对的有用特性,与现有方法相比本文的方法具有更大的优势。
【学位授予单位】:安徽大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:Q51;TP181

【相似文献】
中国期刊全文数据库 前10条
1 王建;;蛋白质相互作用数据库[J];中国生物化学与分子生物学报;2017年08期
2 陈心浩;胡俭;;基于多特征融合预测蛋白质相互作用界面[J];中南民族大学学报(自然科学版);2017年03期
3 谭从娥;黄祥云;;基于蛋白质相互作用网络分析右归丸治疗肾阳虚证的疗效机制[J];中国中医药信息杂志;2016年02期
4 杨晓敏;李英伦;;基于蛋白质相互作用“热点”区域的小分子药物设计研究进展[J];生物物理学报;2015年02期
5 冯舒玥;;蛋白质相互作用的研究方法及进展分析[J];文理导航(中旬);2018年01期
6 任页玫;张蕾;石亚伟;;双分子荧光互补在蛋白质相互作用中的应用[J];湖北医药学院学报;2014年02期
7 商立民;贺福初;王建;;大规模蛋白质相互作用组实验技术及其应用[J];生命的化学;2013年05期
8 骆嘉伟;梁成;宋丹;李光辉;;蛋白质相互作用网络演化模型研究进展[J];计算机应用;2013年03期
9 胡家;郑帅;胡科;殷爱红;;通过液质联用鉴定蛋白质相互作用方法的建立[J];首都医科大学学报;2013年03期
10 崔娟;陈月辉;;基于组合特征集成的蛋白质相互作用位点预测[J];济南大学学报(自然科学版);2012年01期
中国重要会议论文全文数据库 前10条
1 李占潮;周漩;戴宗;邹小勇;;基于一级结构信息预测蛋白质与蛋白质相互作用[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年
2 代旭;敬闰宇;董永成;李梦龙;郭延之;;基于序列和结构信息预测蛋白质-蛋白质相互作用可药性[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年
3 程钢;吴松锋;陈廷贵;万平;朱云平;贺福初;;22周孕龄胎肝蛋白质相互作用网络的构建[A];中国蛋白质组学首届学术大会论文摘要集[C];2003年
4 刘珍;孙景春;谢锦云;李亦学;梁宋平;石铁流;;蛋白质相互作用网络中的生物途径分析[A];中国蛋白质组学第二届学术大会论文摘要论文集[C];2004年
5 杨晓明;王建;许望翔;虞东辉;杨永升;刘琼明;周颖;张翠莉;吴志豪;张万巧;刘涛;唐刘君;原艳芝;郝峰;金超智;贺福初;;人类肝脏重要蛋白质相互作用连锁图研究进展[A];中国蛋白质组学第三届学术大会论文摘要[C];2005年
6 吴俊;邓宏钟;朱大智;谭跃进;;蛋白质相互作用网络的度秩函数与度分布[A];2006全国复杂网络学术会议论文集[C];2006年
7 李令东;田瑞军;唐伟;邹汉法;赵宗保;;携异戊烯链小分子与蛋白质相互作用的研究[A];第六届全国化学生物学学术会议论文摘要集[C];2009年
8 李立;肖奕;孙之荣;;酵母蛋白质相互作用网络的模块进化[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年
9 龙勉;;蛋白质相互作用的生物力学及其应用[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集(上册)[C];2007年
10 蔡浩洋;闵明玮;胡函;张义正;李校;;拟南芥蛋白质相互作用网络的性质研究及其预测[A];中国遗传学会第八次代表大会暨学术讨论会论文摘要汇编(2004-2008)[C];2008年
中国重要报纸全文数据库 前10条
1 记者 常丽君;科学家绘制出迄今最详细蛋白质相互作用图[N];科技日报;2011年
2 通讯员 甄蓓 特约记者 吴志军;肝脏蛋白质相互作用图绘出[N];健康报;2011年
3 甄蓓;我科学家成功绘制人类肝脏蛋白质相互作用网络连锁图[N];科技日报;2011年
4 欣文;蛋白质相互作用导致疑难病症[N];医药经济报;2002年
5 ;日本发现蛋白质相互作用导致疑难病症[N];中国高新技术产业导报;2002年
6 胡德荣;蛋白质相互作用网络预测新方法被发现[N];健康报;2007年
7 余志平 编译;PCAs给我们带来了什么?[N];中国医药报;2007年
8 甄蓓;人类肝脏蛋白质“关系网络图”绘成[N];中国医药报;2011年
9 毛黎;美开发细胞内蛋白质相互作用标识技术[N];科技日报;2007年
10 张佳星;人类为何如此与众不同[N];科技日报;2008年
中国博士学位论文全文数据库 前10条
1 姚恒;基于机器学习方法预测拟南芥功能关联互作组和基于网络驱动的组学数据分析系统[D];浙江大学;2018年
2 魏志森;蛋白质相互作用位点预测方法研究[D];南京理工大学;2016年
3 刘光徽;蛋白质相互作用位点及亚细胞定位预测研究[D];南京理工大学;2017年
4 王芬;猪miRNA调控蛋白质相互作用“双色网络”预测及呼吸道病毒病系统生物学分子机制分析[D];西北农林科技大学;2014年
5 徐萌;从蛋白质相互作用网络到灭绝事件的进化研究[D];中国科学技术大学;2010年
6 谢江;蛋白质相互作用网络的数值研究[D];上海大学;2008年
7 尤著宏;基于图和复杂网络理论的蛋白质相互作用数据分析与应用研究[D];中国科学技术大学;2010年
8 沈懿珍;基于协同智能的蛋白质相互作用及其网络研究[D];东华大学;2011年
9 沈利;人类新基因BNIPL生物学功能的初步研究[D];复旦大学;2004年
10 潘巍峻;Wnt信号转导的分子机制及其生物学功能研究[D];中国科学院研究生院(上海生命科学研究院);2004年
中国硕士学位论文全文数据库 前10条
1 白正亚;结构、能量和动力学比较研究生物环境对肽调节蛋白质相互作用的影响[D];电子科技大学;2018年
2 孙士伟;基于深度学习的蛋白质相互作用预测方法的研究[D];安徽大学;2018年
3 费凡;基于蛋白质相互作用网络的信息通路提取[D];华南理工大学;2017年
4 包振栋;基于生物医学文本挖掘的蛋白质间相互作用关系抽取方法的研究[D];西北农林科技大学;2017年
5 陈经天;基于蛋白质序列的蛋白质相互作用预测研究[D];太原理工大学;2017年
6 崔远;基于图论的多蛋白质相互作用数据的聚类分析[D];兰州大学;2017年
7 曹晓靖;基于基因/蛋白质相互作用网络探索大黄蛰虫丸治疗原发性骨髓纤维化的机理[D];山东中医药大学;2016年
8 黄利广;基于旋转森林模型的蛋白质相互作用预测研究[D];深圳大学;2016年
9 庄雪琴;大图理论在蛋白质相互作用网络比对中的应用[D];南京理工大学;2015年
10 董美豪;基于文本挖掘的蛋白质相互作用对抽取方法的研究[D];哈尔滨工业大学;2015年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026