检索结果-南通市图书馆

作者：高依舟电子科技大学

学位级别：硕士

对病毒基因组的深入研究在许多方面都有很大帮助,特别是在治疗由病毒感染引起的人类疾病方面。随着病毒数据的快速积累,需要更加有效的基因识别方法来处理和挖掘这些数据。在本文中,我们提出了一个新的病毒基因预测和注释系统——Vgas,... 详细信息

对病毒基因组的深入研究在许多方面都有很大帮助,特别是在治疗由病毒感染引起的人类疾病方面。随着病毒数据的快速积累,需要更加有效的基因识别方法来处理和挖掘这些数据。在本文中,我们提出了一个新的病毒基因预测和注释系统——Vgas,它结合了序列组成和序列相似性比对的方法,可以在基因组序列中自动查找病毒基因并实现基因功能注释。通过测试从Refseq下载的5705个病毒基因组,与现有的程序GeneMarkS,Prodigal和Glimmer做对比,Vgas证明了其优越性,具有最高的平均精确度和召回率(两个指数均比其他程序高1%以上),特别是对于基因组规模较小的病毒物种(≤10kb),它表现出显著的性能(精确度高6%,召回率高2%)。此外,Vgas提供了一个注释功能,用于根据BLASTp比对提供预测基因的功能信息,而且我们还根据这个信息找出了86个refseq数据库缺失的基因数据。另外,测试证明,当Vgas与GeneMarkS、Prodigal结合使用时,可以获得比三个单独程序中的每一个都更好的预测结果,使用这几种不同软件程序的协作预测将是基因预测的更好的方案。现在,Vgas可在http://***/vgas/免费使用。然而Vgas在处理噬菌体数据和双链DNA病毒时效果较差,相比之下精准度和召回率都较低,考虑到这个局限性,我们又尝试使用深度学习方法进行病毒基因识别,本次试验应用了卷积神经网络,设计了共8层网络结构,在使用Uniprot构建的数据集上五重交叉验证进行测试,F值达到了98%,此模型深入研究有机会可以得到弥补当前Vgas不足的新系统。

关键词：病毒基因识别功能注释新基因联合预测深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

细菌必需基因团簇模型的研究与特征分析

细菌必需基因团簇模型的研究与特征分析

作者：张发展电子科技大学

学位级别：硕士

必需基因指的是在优化生长的前提下对有机体的生存和生长不能缺失的基因。研究必需基因有如下重要的意义:(1)必需基因可以作为构建最小基因集的基础,通过对必需基因的研究可以帮助我们了解生命的起源和进化,生产工业实用型微生物;(2)必... 详细信息

必需基因指的是在优化生长的前提下对有机体的生存和生长不能缺失的基因。研究必需基因有如下重要的意义:(1)必需基因可以作为构建最小基因集的基础,通过对必需基因的研究可以帮助我们了解生命的起源和进化,生产工业实用型微生物;(2)必需基因编码的蛋白质通常参与最重要且基础的代谢过程,因此,可以作为抗菌药物的靶标。近年来,必需基因的研究已经成为生物信息学研究的热点之一。本文的研究对象是由湿实验方法确定的细菌必需基因集。其原始的必需基因数据来自于必需基因数据库DEG(http://***/deg/)。受COGs(https://***/COG/)中团簇的启发,我们提出了细菌必需基因团簇模型的概念,就是将具有相同或者相近功能的必需基因以团簇的形式进行存储,这也是与当前大多数存储基因的数据库的最大不同,团簇的大小反映了该类基因的保守性强弱。到目前为止,细菌必需基因数据进一步丰富,例如DEG的最新版本(截止到2017年3月)收录了46套细菌必需基因数据集和16套真核生物细菌的必需基因数据集,为相关研究奠定了基础。基于必需基因团簇模型和最新的数据,我们构建更新了细菌必需基因团簇数据库(CEG,Cluster of Essential Genes,http://***/ceg/),其版本称之为CEG 2.0。在该数据库中,以团簇的形式存放必需基因,并进一步增加并丰富了和必需基因相关的很多信息,如:增加了基因编码蛋白质结构、基因毒力因子、基因参加的代谢通路以及与基因相关的药物等重要信息。另外,我们将细菌必需基因与人类基因序列作比对,提供用户两者的同源性信息。这些信息在新的药物靶标发掘过程中,具有极大的借鉴意义。团簇的大小也具有重要的生物学意义,团簇越大,其中包含的基因就越保守,用户通过观察团簇的大小,就可以直接看出具有该功能的基因的是在多物种中普遍存在的,还是个别物种所具有的。根据构建的CEG数据库,我们提出了一种新的基于存储的团簇大小来预测细菌基因必需性的算法—K-value。K-value算法的主要原理是依据团簇的大小进行必需基因的预测,在预测的时候,只需要用户提供基因的基因名即可对基因完成预测。最后,我们编程实现了此算法,称之为CEGatch。在CEG 2.0中的CEGatch,我们增加了新的功能,用户不仅可以根据基因功能进行预测,还可以根据基因序列信息进行预测。该预测工具与传统的必需基因识别方式比较,在保证不低的准确率的基础上,对非必需基因的识别率更高,而且执行效率更快。这解决了CEG 1.0中的预测算法只能根据基因名进行预测的缺陷。最后,对本文构建的数据库信息进行统计,包括物种、团簇以及基因功能等,并对以后可开展的工作进行了展望。

关键词：细菌必需基因必需基因团簇模型 CEGMatch

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

细菌蛋白质编码基因识别系统的研究

细菌蛋白质编码基因识别系统的研究

作者：袁亚洲电子科技大学

学位级别：硕士

基因识别是对DNA序列进行分析,获取其中重要信息的第一步。目前测序技术的发展使得测序数据呈爆发式增涨,然而实验方法无法快速有效的从海量信息中获取知识,基于此运用计算机技术来识别基因的方法应运而生。在2015年,我们课题组研发了... 详细信息

基因识别是对DNA序列进行分析,获取其中重要信息的第一步。目前测序技术的发展使得测序数据呈爆发式增涨,然而实验方法无法快速有效的从海量信息中获取知识,基于此运用计算机技术来识别基因的方法应运而生。在2015年,我们课题组研发了原核生物基因识别程序ZCURVE3.0,该算法是基于Z曲线理论,采用新的机器学习算法SVM,增加新的特征变量,并且对内部参数进行进一步的优化,使得该识别算法更加快速准确高效。在预测出基因后,还需要知道其相应编码的蛋白质,于是我们基于ZCURVE3.0算法,对其进行进一步的升级,添加相关的功能,使得其成为完善的可视化集成系统。在本基因识别可视化系统中,第一部分是对ZCUREV3.0的功能进行可视化(BAGA)实现,其保留了相应识别算法的所有功能。在通过对50个原核生物的全基因组进行测试,选取比对阈值,排除伪基因,同时使得删除的正确基因数尽可能少,那样基本保持正确的基因数不变。在与GenBank提供的总的基因数相比,BAGA的预测基因识别率为97.60%,预测结果的特异度为96.74%,与ZCURVE3.0的特异度94.21%相比有2%的提升。BAGA附加预测率为3.34%,比ZCURVE3.0(6.08%)下降接近3%。附加预测率的降低,表明其预测错误的基因数目相比ZCURVE3.0有更进一步的减少。第二部分是对于ZCURVE3.0和Prodigal两个基因预测软件联合方法(BAGA2.0)的实现,通过保留两者预测相同的基因,对不同的基因进行序列比对,调节合适的参数,保留比对得分较高的基因,将这两部分的基因作为最终联合预测的基因。BAGA2.0对应的识别率为98.73%,特异度为96.09%。这两者性能,都比ZCURVE3.0效果要好。另一方面,BAGA2.0的附加预测率为4.08%比ZCURVE3.0(6.08%)要低。综合来看,联合两者来识别细菌的基因性能要更优。此外,虽然BAGA2.0的特异度比BAGA要低,其附加预测率要大,但是其识别率和准确度却更佳。在本文中采用BLAST序列比对实现了对于预测的基因进行功能注释,对于系统中实现的两部分的预测结果都能够实现注释,而且能够选择快速注释和完全注释两者不同方式。同时,集成基因组岛预测程序。我们将此完善的集成软件编译成各种不同系统的版本,使用者能够访问http://***/zcurve-visualization/下载,并免费使用。

关键词：基因识别 ZCURVE3.0 BAGA2.0 准确率附加预测率

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

细菌和酿酒酵母精简基因组设计

细菌和酿酒酵母精简基因组设计

作者：张凯月电子科技大学

学位级别：硕士

近年来,必需基因相关研究成果的迅速积累极大地推动了最小基因组的研究进程。必需基因与最小基因组作为合成生物学领域的研究热点之一,也是生物学家认识生命本质,解读遗传密码的必要手段。同时其相关研究成果极大地推动了代谢组学,发育... 详细信息

近年来,必需基因相关研究成果的迅速积累极大地推动了最小基因组的研究进程。必需基因与最小基因组作为合成生物学领域的研究热点之一,也是生物学家认识生命本质,解读遗传密码的必要手段。同时其相关研究成果极大地推动了代谢组学,发育遗传学等相关学科的发展,对发酵业,制药业等应用领域也产生了十分重要的影响。在课题组对必需基因与最小基因组原有的研究基础上,本文对原始数据进行了大幅度更新,并引入了序列结构设计,联合致死等新方法用于构建普适性更高的最小基因组。针对原核生物与真核生物,本文的最小基因组设计工作主要分为两个部分。首先本文使用最新CEG数据库中29个物种的必需基因团簇模型,通过半数保留法筛选出266个保守必需基因团簇。通过RAST SEED在线服务对其进行重注释后,利用MetaNetX代谢网络分析工具进行代谢通路分析,增补了78个相关基因以补全代谢通路,增加最小基因组的成活率。在底盘细胞的选择上,我们采用被广泛研究的模式生物大肠杆菌,以JCVI-syn3.0的设计思路为参考,在大肠杆菌基因组上进行基因的增补与删减。在最小基因组设计过程中,本文充分考虑了基因组结构,调控原件等问题。最小基因组共包含了405个基因,除344个蛋白编码必需基因外,还保留了39个tRNA基因,22个rRNA基因。在设计过程中,我们还发现了原核生物必需基因成簇分布的倾向性,并对其生物学意义进行了初步探究。在真核生物精简基因组设计方面,由于真核生物遗传物质以染色体的方式存在,且真核生物相较于原核生物有更加复杂的细胞结构,意味着真核生物所需的必需基因数目远远大于原核生物。本文从酿酒酵母XII号染色体左臂入手,结合必需基因实验数据,通过功能多拷贝,基因间相互作用,联合致死等分析,对XII号染色体左臂上的65个基因进行了必需性评级,为后续酵母及其他真核生物的精简基因组设计工作提供一定的借鉴思路与方法。

关键词：最小基因组半数保留法功能多拷贝基因相互作用联合致死

Acr基因的保守特征分析与自动化识别方法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Acr基因的保守特征分析与自动化识别方法的研究

作者：普东凯电子科技大学

学位级别：硕士

基因编辑在生命科学领域的科学研究和应用中扮演了越来越重要的角色,近年来,一种抑制CRISPR-Cas系统功能的蛋白——Acr,开始进入我们的视野,并且成为了当前研究的热点。Acr可以保护MGE片段,也可以作为调节基因编辑系统的工具。一些噬菌... 详细信息

基因编辑在生命科学领域的科学研究和应用中扮演了越来越重要的角色,近年来,一种抑制CRISPR-Cas系统功能的蛋白——Acr,开始进入我们的视野,并且成为了当前研究的热点。Acr可以保护MGE片段,也可以作为调节基因编辑系统的工具。一些噬菌体通过Acr对CRISPR-Cas系统的抑制功能,成功地感染细菌并将其遗传材料整合到宿主的基因组中。由于目前我们对Acr的认识还十分有限,科学家们只能使用比较单一的方法在细菌中的基因组中定位大致的Acr,然后通过实验进行验证,费时费力。因此对Acr相关的特征进行系统的分析,设计一套完整的Acr识别系统,将极大地促进我们对Acr的了解和鉴定。为此,我们系统地调查了Acr的特征,结合机器学习的方法,利用决策树构建了一个比较准确的Acr识别系统。在本工作中,我们从五个角度分析了Acr的特征:1)与非Acr蛋白相比,Acr蛋白拥有较短的序列长度,分布在8134aa的范围内;2)在Genbank中,Acr通常被注释为假定蛋白,而非Acr蛋白则有具体的功能;3)大部分的Acr的编码基因(66.7%)都位于基因组岛上,其中81.8%属于prophage;4)与非Acr不同,Acr的下游间隔不远处通常存在HTH结构域;5)Acr的编码基因域非Acr的编码基因在密码子使用偏性上存在显著的差异。为了收集到足够的数据用于构建决策树分类模型,我们通过BLAST和严格的条件筛选,获得了分布于2655个基因组的1413个Acr同源蛋白作为数据集。通过网格筛选和交叉验证,我们获得了最佳的训练参数并构建了决策树分类模型。在交叉验证中,我们的模型获得了为0.91的AUC值。对于正样本,精确率为79%,召回率为81%,f1-score为0.8;在5个独立集测试中,平均精确率达到了64.6%,召回率为90%,f1-score为0.75,并且预测结果的Acr数据均小于10个,这在一定程度上也大大减少了后续实验验证的成本。最后,为了将我们的模型提供给更多的人使用,我们编写了一个完整的Acr预测流程,并创建了一个在线服务网站AcrDetector(http://***/acrDetector),同时,我们还提供了一个本地版本(https://***/pudongkai/***)。

关键词： Anti-CRISPR Acr Acr预测决策树分类模型

克服大肠杆菌密码子偏好性以提高异源蛋白质表达

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

克服大肠杆菌密码子偏好性以提高异源蛋白质表达

作者：靳天悦电子科技大学

学位级别：硕士

大肠杆菌对编码同一种氨基酸的各个密码子的使用频率并不相同,其中,那些不被经常使用的密码子称为稀有密码子。稀有密码子的存在会降低大肠杆菌的翻译水平,这是因为稀有密码子对应的t RNA丰度低。为了提高异源蛋白质的表达,本实验将大... 详细信息

大肠杆菌对编码同一种氨基酸的各个密码子的使用频率并不相同,其中,那些不被经常使用的密码子称为稀有密码子。稀有密码子的存在会降低大肠杆菌的翻译水平,这是因为稀有密码子对应的t RNA丰度低。为了提高异源蛋白质的表达,本实验将大肠杆菌BL21(DE3)稀有密码子对应的t RNA基因插入核糖体操纵子,构建能够动态协调t RNA与氨基酸数量的菌株*** BL21(DE3)-rrn D::6t RNA,该菌株表达的异源蛋白质Cbi A是*** BL21(DE3)表达量的1.49倍,这为工业上克服大肠杆菌密码子偏好性,高效表达异源蛋白质奠定基础。本实验方法是pCas/pTargetF系统,质粒pCas上含有lambda-Red同源重组相关的Exo、Beta、Gam蛋白和Cas9蛋白,发挥切割DNA双链和同源重组的作用;质粒pTargetF上插入N20序列,发挥引导Cas9蛋白切割DNA双链的作用。将大肠杆菌BL21(DE3)稀有密码子对应的6个t RNA基因设计为一个基因片段,送生物公司合成后含有一个碱基突变,采用SOE-PCR方法修复该突变,连接与目的插入位点碱基互补的同源臂,构建打靶片段。质粒pTargetF-N20由Gibson方法构建。打靶片段和质粒pTargetF-N20共转化*** BL21(DE3)-pCas菌株感受态,菌落PCR筛选阳性克隆菌株,得到的阳性克隆菌株提取基因组进行测序,结果与预测一致,说明成功构建了*** BL21(DE3)-rrn D::6t RNA菌株,IPTG诱导去除质粒pTargetF,37℃培养去除温敏型质粒pCas。测量生长曲线,本实验构建的*** BL21(DE3)-rrn D::6t RNA菌株生长曲线与*** BL21(DE3)基本重合,说明增加6个t RNA基因没有破坏大肠杆菌细胞内环境的稳定。同样采用Gibson方法构建质粒pet28a-Cbi A,转化菌株*** BL21(DE3)、*** BL21(DE3)-rrn D::6t RNA。探索诱导异源蛋白质Cbi A表达的最佳条件,确定37℃培养,IPTG终浓度为0.1 m M,诱导时间为4 h时表达量最佳。利用SDS-PAGE和Western-Blot定量检测异源蛋白质Cbi A的表达差异,*** BL21(DE3)-rrn D::6t RNA菌株表达的异源蛋白质Cbi A是*** BL21(DE3)表达量的1.49倍。

关键词：密码子偏好性 pCas/pTargetF系统异源蛋白质表达

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

微生物联合致死基因的挖掘与数据库构建

微生物联合致死基因的挖掘与数据库构建

作者：朱森斌电子科技大学

学位级别：硕士

联合致死(Synthetic lethality,SL)是指两个或多个非必需基因表达缺陷同时存在导致细胞死亡,但这些基因单独缺陷时不会导致细胞死亡的现象。SL基因在癌症医学、合成生物学和进化生物学上有广泛的应用前景,虽然已有大量关于SL基因的基础... 详细信息

联合致死(Synthetic lethality,SL)是指两个或多个非必需基因表达缺陷同时存在导致细胞死亡,但这些基因单独缺陷时不会导致细胞死亡的现象。SL基因在癌症医学、合成生物学和进化生物学上有广泛的应用前景,虽然已有大量关于SL基因的基础研究,并搭建了较大的一级数据库,但缺乏专注于微生物的SL基因的二级数据库。目前,预测SL基因的方法主要集中在采用多组学特征数据来预测与癌症和药物靶点相关的SL基因对,为抗癌药物研发提供新思路。本论文旨在建立一个关于微生物的SL基因的二级数据库,同时加入了联合挽救基因的相关数据。该数据库是一个包含多种微生物SL基因相互作用信息的专业性数据库。每个基因的相互作用都包含功能注释、蛋白质序列、实验测定方法和细胞培养条件以及相应的文献资料。目前,数据库总共收录了来自9种微生物菌株的16307条数据,其中包括12165条SL基因对、1148条SL基因三元组和2994条联合挽救基因对。另外,通过同源转移方法获得的86981个putative SL数据也展示于网站上。在数据库的网站上,实现了搜索、浏览、可视化、序列比对等功能。本文采用蛋白互作网络拓扑参数、基因表达数据、单基因必需性和序列比对的相似性等特征信息来预测酿酒酵母中潜在的SL基因对。通过采用五折交叉验证,使用支持向量机(Support Vector Machine,SVM)模型预测的ROC曲线下面积(AUC)指标为0.7,而决策树方法的AUC指标可以达到0.78。虽然本文的预测模型的性能一般,但有望为癌症相关基因的SL预测提供新的方法和思路。

关键词：联合致死基因数据库酿酒酵母机器学习

基于大肠杆菌氨基酸组成提高外源蛋白质表达量

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于大肠杆菌氨基酸组成提高外源蛋白质表达量

作者：张志礼电子科技大学

学位级别：硕士

近年来利用基因工程进行蛋白质大规模生产的需求不断提升,特别是在利用工程菌株进行原核表达方面,因此提高外源蛋白表达量的研究一直是热门的研究主题之一。随着翻译效率相关研究不断深入,翻译效率模型考虑到的因素也在不断拓展,主要包... 详细信息

近年来利用基因工程进行蛋白质大规模生产的需求不断提升,特别是在利用工程菌株进行原核表达方面,因此提高外源蛋白表达量的研究一直是热门的研究主题之一。随着翻译效率相关研究不断深入,翻译效率模型考虑到的因素也在不断拓展,主要包括密码子顺序、局部t RNA丰度、t RNA基因表达调控以及对核糖体、m RNA结构和肽链折叠耗能的需求等。其中关于t RNA可用性的研究较为广泛。翻译过程中,t RNA可视为运输原料氨基酸的工具,两者之间较高的共适应性关系有利于蛋白质的高效合成。因此我们课题组推测,t RNA基因和相应氨基酸的水平应该很好地匹配来更有效地合成蛋白质。这样的一致性将使翻译效率最大化,同时使资源/能源成本最小化。并且在生物体尺度上提出了t RNA基因拷贝数和氨基酸组成之间存在共适应关系,并通过计算两者间秩相关指数TAAI(t RNA Gene Copy Number and Amino Acid Usage Accordance Index)来衡量这种共适应性。本研究以大肠杆菌基因组t RNA基因拷贝数和氨基酸组成适应性相关指数TAAI作为理论指导,选取来源于古细菌的分子伴侣蛋白Gro EL作为外源蛋白,以大肠杆菌BL21(DE3)作为表达宿主菌,实验验证通过操纵大肠杆菌t RNA基因拷贝数增加来实现外源蛋白质表达量的提高;根据大肠杆菌基因组TAAI计算结果选出了ile U,gly X,ala W,val V,glu W,asp U和ser V共7种增加拷贝数可提高TAAI值的t RNA基因类型,并选取质粒p ACYC-Duet1,分别构建了7种重组载体,方便应用于外源蛋白质表达研究。然后分别选取p ACYC-Duet1载体、插入t RNA基因拷贝asp U的载体和插入7种t RNA基因合成片段PT7t RNA的载体,进行外源蛋白诱导表达实验,并分析蛋白表达量差异。结果发现插入单拷贝t RNA基因的载体外源蛋白表达量较空载载体高,但差异性不显著;插入PT7t RNA片段的载体较空载载体外源蛋白表达量有显著提高,并且提高量达到了21%。搜集用于外源蛋白质表达的常见工程菌株或真核宿主细胞进行相关TAAI计算分析,以期为蛋白质商业化生产提供参考和帮助。本研究发现,原核物种中增加一个氨基酸Ala对应t RNA基因拷贝数后物种基因组TAAI均有所增加,而增加一个氨基酸Asn,Tyr和Cys对应t RNA基因拷贝数后物种基因组TAAI均会有所减少。真核物种基因组TAAI变化规律尚不明显。

关键词：翻译效率 tRNA基因拷贝数氨基酸组成外源蛋白表达

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Acr蛋白的数据库升级和成簇性分析

Acr蛋白的数据库升级和成簇性分析

作者：王鑫电子科技大学

学位级别：硕士

本课题组发布的Anti-CRISPRdb数据库包含Anti-CRISPR蛋白（Acr）和它的相关信息,并已经被广泛应用于Acr和CRISPR（Clustered Regularly Interspaced Short Palindromic Repeats）相关研究中,例如构建Acr预测的标准集、研究整合接合元件和Acr的关系、探索新的Acr、研究Acr蛋白的演化和Acr家族的多样性、研究Acr对于抗性基因的水平转移影响等。目前,新发现的Acr类型、家族、抑制机制、抑制强度等信息不断积累,最近的研究表明可移动元件（Mobile genetic elements,MGEs）中针对原核免疫系统的抗性基因位置上临近,据此推测Acr的邻居蛋白具有成为Acr的可能。在此基础上,本工作对数据库做了一次大的更新,包括内容和功能上的更新,主要在几方面:（1）更新了近几年新发现的Acr,条目扩充至3700个,家族扩充至99个;（2）增加了新的抑制机制、抑制强度、抑制阶段的实验信息;（3）增加了对数据库里的Acr的邻近蛋白的评估,增加了Acr候选库。为了解决MGE识别软件运行时间成本高的问题,并研究Acr的起源,本工作在更新数据库的同时,提出了密码子使用偏好排名（CUBRank）这个参数,并且本工作发现CUBRank与Ac Ranker的排名存在显著的正相关关系,CUBRank可以与Ac Ranker互相补充,同时我们用它对病毒基因组和基因组岛（GI）进行了相关的分析,我们发现Acr可能起源于病毒基因组的基因间区域,通过de novo机制诞生,并且CUBRank可以用来衡量基因出现在基因组岛的可能性,这可以成为发现Acr新的参数,并衡量哪些片段可能是基因组岛或者前噬菌体片段（它们是Acr存在的热点区域）。除此之外,本工作还对Acr的成簇性进行了简单分析,因为我们发现,acr基因座内可能存在不止1个acr基因,我们确定了acr确实具有成簇趋势,并把它用于Acr Detector的结果筛选,虽然准确率并没有什么提升,但是Acr成簇性倾向也支持了本工作第一部分将Acr的邻居蛋白作为Acr候选的推测。并为数据库中进行的邻居蛋白的估计提供了理论依据。Acr的成簇性分析是基于现有的已经发现的Acr进行的,对于那些具有Acr功能但是尚未被识别的分子没有被分析,因此这部分的Acr成簇性分析具有一定的统计偏差。

关键词：抗CRISPR蛋白(Acr) Acr数据库更新密码子使用偏差排名 Acr的起源成簇性分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Acrs蛋白抑制能力预测

Acrs蛋白抑制能力预测

作者：马聪电子科技大学

学位级别：硕士

CRISPR-Cas（Clustered regularly interspaced short palindromic repeats and CRISPR associated protein）系统是一种在原核生物中广泛存在的适应性免疫系统。研究者们通过对其抵御外来核酸分子抑制机制的研究,发明了CRISPR-Cas9、CRISPR-Cpf1等高效基因编辑工具。近年来研究者们又通过实验验证了可以抑制CRISPR-Cas系统的小分子蛋白——anti-CRISPR蛋白（Acrs蛋白）。Acrs蛋白的发现引发了新的研究热潮,一方面,研究者们关注于Acrs蛋白基因组背景和序列特征等信息,发现了更多Acrs蛋白家族;另一方面研究者们通过解析Acrs蛋白复合物三级结构,研究其抑制机制,将其加以应用。本文实现Acrs蛋白抑制能力预测工作,以期望起到承接新Acrs蛋白家族预测发现和Acrs蛋白的机制应用作用。本文的抑制能力预测模型工作流程如下:首先通过Acrs蛋白活性实验,如噬菌斑侵染、DNA体外裂解、哺乳动物基因组编辑效率等实验数据,整合了160条Acrs蛋白抑制CRISPR-Cas系统能力信息数据集,其中正负样本分别为78,82条。其次基于马尔可夫链相关性原理从基因序列和蛋白序列中提取出特征反应抑制强弱信息,将数据集进行4:1训练集、测试集划分后,在训练集上经过t检验和递归特征消除（RFE）两种方法特征选择后构成特征描述。然后使用SVM模型和XGBoost模型进行训练和参数调优,将获取模型应用于测试集评估。综合比较后获得最优模型为基于XGBoost模型方法:其中对于使用蛋白序列作为特征进行训练的XGBoost模型,其在五次五重折叠交叉验证后获得0.841的最佳AUC值,方差为0.0101。最后本文也将预测模型应用于新收集的候选Acrs蛋白活性预测工作,经比较后发现XGBoost模型也可良好应用于实际预测工作。

关键词： Acrs蛋白特征选择机器学习抑制能力预测