基本信息
- 項目名稱：
- 基于分級BP神經(jīng)網(wǎng)絡的蛋白質二級結構預測
- 小類：
- 生命科學
- 大類：
- 自然科學類學術論文
- 簡介：
- 生物信息學是一門新興的交叉邊緣學科，已經(jīng)成為當今生命科學乃至整個自然科學的重大前沿領域之一。作為后基因組時代重要課題——蛋白質結構預測是生物信息學中的重要問題。蛋白質結構預測問題就是如何從蛋白質的氨基酸序列出發(fā)預測他的功能構象問題。預測蛋白質二級結構的算法大多以已知二級結構的蛋白質為依據(jù)，用人工神經(jīng)網(wǎng)絡、遺傳算法等技術構建預測方法，本文采用分級BP神經(jīng)網(wǎng)絡預測蛋白質二級結構。
- 詳細介紹：
- 蛋白質二級結構的預測是生物信息學中一個重要的研究課題，進行二級結構預測對于理解蛋白質結構與功能的關系，以及分子設計、生物制藥等領域都發(fā)揮重要的現(xiàn)實意義。隨著人類基因組計劃的順利實施，已知氨基酸序列的蛋白質數(shù)量成級數(shù)增長。目前試驗手段主要依靠X射線晶體衍射與核磁共振方法測定蛋白質二級結構，但測定周期較長，導致已測定二級結構的蛋白質數(shù)量與已知氨基酸序列的蛋白質數(shù)量差距越來越大，要求有一種快速簡潔而適用性強的預測蛋白質二級結構的方法。而生物學界達成一致共識：蛋白質的氨基酸排列順序決定了它的空間結構，空間結構體現(xiàn)了蛋白質的生理功能。那么我們就可以從已知序列和結構的蛋白質出發(fā)，挖掘出其中的關系，就可以預測出其他已知序列的蛋白質二級結構。如果能夠成將蛋白質二級結構預測精度提高到80%，就可以為生物學家了解蛋白質三級結構，設計新藥物提供數(shù)據(jù)，免去實驗測定的麻煩，節(jié)省研究成本。 近年來，人們利用序列同源信息能夠預測精度提高到80%，但這種方法不僅工作量大，而且對于那些低同源和無同源蛋白質的預測非常困難，因此，神經(jīng)網(wǎng)絡方法被認為是目前最有前景的方法。該方法最先是在1988年由Qian和Sejnowski提出，隨即引起了一波又一波的神經(jīng)網(wǎng)絡預測高潮，各種神經(jīng)網(wǎng)絡模型不斷提出和改進，精度一次次被提高：zhu采用多模神經(jīng)網(wǎng)絡取得68%的精度，王艷春采用級聯(lián)神經(jīng)網(wǎng)絡取得69.61%的精度。 本課題在前人的基礎上，改進了BP神經(jīng)網(wǎng)絡算法，將預測精度提高到69.92%。其創(chuàng)新點在于：采用分級神經(jīng)網(wǎng)絡的思想，分為一二兩級各級有不同的目標和意義，所以每一級的網(wǎng)絡結構也有區(qū)別。一級網(wǎng)絡采用了profile編碼，攜帶有較大的進化信息，二級網(wǎng)絡采用改進的正交編碼，所謂改進的正交編碼，就是在常用的20位正交編碼后加一位表示成分信息，這樣使得編碼中含有了蛋白質序列的全局信息，這種創(chuàng)新改進對預測精度提高有一定幫助。同時使用兩種編碼是本文的大膽嘗試，取得了很好的效果。其二，考慮到本課題網(wǎng)絡訓練的數(shù)據(jù)比較大，利用多模神經(jīng)網(wǎng)絡將訓練集分開到每個子網(wǎng)絡，使得每個子網(wǎng)絡訓練數(shù)據(jù)都相對較小，分攤了整個網(wǎng)絡的負荷，最終收斂性更好收斂時間也更短。 蛋白質二級結構的預測目前是一個大有可為的研究領域，是數(shù)據(jù)挖掘技術在生物信息學中成功典型應用。為了能夠提高精度，為生物學家提供研究提供依據(jù)，各種機器學習方法得以應用，以及傳統(tǒng)的統(tǒng)計方法也做了改進和創(chuàng)新。這些方法也可以結合起來，都是值得本文繼續(xù)研究的地方。
作品圖片
作品專業(yè)信息
撰寫目的和基本思路
- 為了提高蛋白質預測精度，本文改進了BP神經(jīng)網(wǎng)絡的方法，將預測精度提高到70%以上。如果能夠成將蛋白質二級結構預測精度提高到80%，就可以為生物學家了解蛋白質三維結構，設計新藥物提供理論數(shù)據(jù)，給生物學家研究帶來方便。將氨基酸殘基片段作為BP神經(jīng)網(wǎng)絡的輸入，二級結構即為對應的輸出，神經(jīng)網(wǎng)絡可以有效地學習蛋白質二級結構形成的復雜規(guī)律或模型，提取需要的信息，并利用所掌握的信息進行預測。
科學性、先進性及獨特之處
- 本作品用機器學習方法去解決生物學中模式分類問題，是數(shù)據(jù)挖掘技術在生物信息學中的成功應用案例。蛋白質二級結構預測目前依舊是一個難題，主要是預測精度不夠高，本作品將神經(jīng)網(wǎng)絡結構與編碼方式做了改進，將預測精度從同類研究的68%，提高到73.1%，具有一定的科學性及先進性。且本作品提出的操作方法簡單，具有較強的可操作性及可重復性，能夠提供蛋白質數(shù)據(jù)方便驗證結論。
應用價值和現(xiàn)實意義
- 進行二級結構預測對于理解蛋白質結構與功能的關系，以及分子設計、生物制藥等領域都發(fā)揮重要的現(xiàn)實意義。如果能夠對蛋白質結構做出較為精確的預測，就可以根據(jù)預測出來的結構設計出我們所需要功能蛋白質藥物分子。美國加州理工學院設計和合成了具有鋅指蛋白結構模式的23肽，就是一個按實際需要設計的非天然蛋白質。這些工作前提是要蛋白質二級結構預測精度提高。
學術論文摘要
- 為提高蛋白質二級結構預測的精度，本文對BP神經(jīng)網(wǎng)絡結構與編碼方式做了改進。構建了一個由5個子網(wǎng)絡集成的多模神經(jīng)網(wǎng)絡，蛋白質二級結構的預測結果由5個子網(wǎng)絡綜合得到。方法是對于每個子網(wǎng)絡采用神經(jīng)網(wǎng)絡分級思想分為二級網(wǎng)絡。一級網(wǎng)絡將蛋白質一級序列用含有進化信息的profile編碼作為輸入，二級結構作為輸出；二級網(wǎng)絡以一級網(wǎng)絡輸出作為輸入，以對一級網(wǎng)絡結果進行精煉，同時開創(chuàng)性地將一級序列用改進正交編碼作為另一輸入以提高精度。本文首創(chuàng)了改進的21位正交編碼，即在傳統(tǒng)20位編碼最后加一位表示氨基酸成分比例。網(wǎng)絡訓練利用子網(wǎng)絡差異訓練方式進行，實驗采用交叉驗證，最終的預測精度達到73.1%，比DSC，PREDATOR，PHD方法精度分別提高4.7%，4.41%，0.90%，可為生物工作者蛋白質結構研究提供便捷方法。
獲獎情況
- 無
鑒定結果
- 無
參考文獻
- [1] 閻隆飛 孫之榮.蛋白質分子結構 [M].清華大學學術專著,1999 [2] Qian Ning, Sejnowski T J. Predicting the Secondary Structure of Globular Proteins Using Network Modals [J]. Journal of Molecular Biology,1988. 865-884 [3]Hanxi Zhu,Ikuo YOSHIHHARA. Kunihito YAMAMORI Prediction of Protein Secondary Structure by Multi-Modal Neural Networks [J]. International Joint Conference on Neural Networks, 2002.280-285. [4] Xin Huang, De-Shuang Huang, Guang-Zheng Zhang, Prediction of Protein Secondary Structure Using Improved Two-Level Neural Network Architecture [J].Protein & Peptide Letter ,2005. (12) 805-811. [5] 王艷春，何東健，王守志，基于級聯(lián)神經(jīng)網(wǎng)絡的蛋白質二級結構預測 [J].計算機工程，2010.36(4). [6] 馮永娥,蛋白質二級結構的預測以及二級結構與三級結構之間關聯(lián)的探討 [D].內蒙古：內蒙古大學. 2008. [7] cuff J.A, Barton G.J, Evaluation and improvement of multiple sequence methods for protein secondary structure prediction [J] ,Proteins.1999. 508-519. [8] Pierre Baldi,張東暉譯，生物信息學——機器學習方法 [M]，2003. [9] 林麗玉,基于神經(jīng)網(wǎng)絡的蛋白質二級結構預測的研究 [D]，大連：大連理工大學.2005.
同類課題研究水平概述
- 目前，采用DSC方法的蛋白質二級結構預測精度為68.4%，PREDATOR方法為68.69%，PHD方法為72.1%，PHD方法雖然精度較高但比起神經(jīng)網(wǎng)絡方法更復雜，適用性范圍較小。 Hanxi Zhu等人采用多模神經(jīng)網(wǎng)絡網(wǎng)絡預測精度為68%， 王艷春等人采用級聯(lián)神經(jīng)網(wǎng)絡預測精度為69.61， Huang Xin和Li Yixue等采用改進的二級神經(jīng)網(wǎng)絡預測精度,71.19%.本文提出的神經(jīng)網(wǎng)絡預測精度為 73.1%.
