检索结果-南通市图书馆

检索条件"主题词=多标记蛋白质亚细胞定位"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

融合标签相关信息的不平衡多标记蛋白质亚细胞定位预测方法研究

融合标签相关信息的不平衡多标记蛋白质亚细胞定位预测方法研究

引用

作者：闫梓铭吉林大学

学位级别：硕士

蛋白质通常在核糖体中合成,它们在生物体的生长、发育和繁殖等活动中发挥着至关重要的作用。每种蛋白质会通过细胞的分泌途径或者内质网途径运送到特定的亚细胞位置,只有当蛋白质在各个亚细胞结构中正确分布时,其功能才能正常表达;否则... 详细信息

蛋白质通常在核糖体中合成,它们在生物体的生长、发育和繁殖等活动中发挥着至关重要的作用。每种蛋白质会通过细胞的分泌途径或者内质网途径运送到特定的亚细胞位置,只有当蛋白质在各个亚细胞结构中正确分布时,其功能才能正常表达;否则,生物体可能会出现严重的功能紊乱,甚至导致功能缺失。目前,研究人员已经发现多种因蛋白质分布异常而引起的疾病,如阿尔兹海默症等。在众多的蛋白质中,大部分只存在于一个亚细胞位置上,称其为单标记蛋白质(Single-label Protein)。然而有一类蛋白质不仅可以在不同的亚细胞中参与多种生化反应,还能在不增加细胞内蛋白质数量的前提下补充蛋白质生物学功能,这种蛋白质称之为多标记蛋白质(Multi-label protein)。虽然这类蛋白质被发现的时间较短,数量也远小于单标记蛋白质,但是它们特殊的生物学功能使得它们可以协助科研人员了解生命活动的原理,挖掘未知蛋白质的功能信息,为阐明疾病的发病机理提供理论指导以及指导多靶点药物的研发。因此,针对多标记蛋白质的亚细胞定位研究(Protein Subcellulai Localization,PSL)具有重要的意义和价值。随着后基因时代的到来,蛋白质数据的数量呈现指数级的增长,传统的人工实验方法已经无法满足科研人员的需求。因此,利用生物信息学方法对多标记蛋白质亚细胞定位进行预测变得越来越重要。然而由于多标记蛋白质数据存在长尾分布问题,现有预测模型的整体分类效果不好。基于此,本文的主要研究内容如下:(1)基于蛋白质语言模型(Protein language model,PLM)提取蛋白质序列高维特征,丰富蛋白质特征信息。本文使用Prot T5-XL-Uni Ref50蛋白质预训练模型将蛋白质序列中的每个氨基酸转换为1024维特征向量,并由此学习蛋白质中的隐含信息,如氨基酸物化性质、蛋白质结构信息以及保守基序信息,为后续的原核蛋白质与真核蛋白质亚细胞定位预测模型提供丰富的特征信息,进而提升模型整体的分类性能。(2)构建一种基于序列双向信息与类感知重采样的原核多标记蛋白质亚细胞定位预测模型Pro-m PSL。该模型首先使用嵌入层将氨基酸转换为嵌入向量,然后利用双向长短期记忆网络(Bi-directional Long Short-Term Memory,Bi-LSTM)来提取蛋白质序列两端的定位信息以及解决长序列存在的长期依赖问题,将最后一个时间单元隐藏特征输入全连接层,最后使用sigmoid分类器进行分类。为了处理革兰氏阳性菌和革兰氏阴性菌数据的类别间样本数量不平衡问题,本文基于类感知重采样策略加强模型对于尾部类的学习性能。在本文新构建的革兰氏阳性菌测试集Uni P-m Pos-test和革兰氏阴性菌测试集Uni P-m Neg-test上的比对实验表明,本文提出的Pro-m PSL在革兰氏阳性菌和革兰氏阴性菌的亚细胞定位预测领域上领先于目前的主流方法,在Micro-F1、Macro-F1、Jaccard和Hamming Loss这四种指标上取得了良好的性能。(3)构建一种基于标签相关信息与分布平衡损失的真核多标记蛋白质亚细胞定位预测模型Euk-m PSL。与原核生物相比,真核生物的多标记蛋白质占比更大,亚细胞的种类也更多。因此Euk-m PSL模型在Bi-LSTM的基础上增加了图注意力网络(Graph attention networks,GAT)用于学习各个亚细胞标签之间的相关性,进而提升具有较强关联的亚细胞的分类性能。同时为了防止重采样策略加大多标签数据集中头部类和尾部类之间的不平衡以及尾部类在训练时发生过拟合问题,本文利用分布平衡损失函数提升对尾部类的分类性能。在本文新构建的测试集Uni P-m Euk-test和基准测试集Uni Loc-test的比对实验结果表明,Euk-m PSL模型优于目前主流的真核多标记蛋白质亚细胞定位预测模型,在Micro-F1、Macro-F1、Jaccard和Hamming Loss这四种指标上取得了良好的性能。综上,本文结合蛋白质预训练模型与深度学习方法,分别构建了面向原核蛋白质和真核蛋白质的多标记亚细胞定位预测模型,在不平衡多标记蛋白质亚细胞数据集上取得了良好的结果,为蛋白质功能解析、疾病发生机理和药物/疫苗开发等领域提供技术支持。

关键词：多标记蛋白质亚细胞定位深度学习蛋白质语言模型长短期记忆力网络图注意力网络多标记不平衡

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多标记学习的蛋白质亚细胞定位预测

多标记学习的蛋白质亚细胞定位预测

引用

作者：靳淑平青岛科技大学

学位级别：硕士

蛋白质是根据肽链空间折叠而得到的一种有机化合物,作为人类细胞和组织的重要组成部分,为维持人体正常的生命活动提供所需的营养物质。它只有定位在正确的亚细胞上才能发挥作用,因此,准确定位蛋白质所处的亚细胞位置是发挥蛋白质功能的... 详细信息

蛋白质是根据肽链空间折叠而得到的一种有机化合物,作为人类细胞和组织的重要组成部分,为维持人体正常的生命活动提供所需的营养物质。它只有定位在正确的亚细胞上才能发挥作用,因此,准确定位蛋白质所处的亚细胞位置是发挥蛋白质功能的重要前提。随着研究的深入,数据库中的多标记蛋白质序列不断被发掘,传统的预测方法容易受外界环境干扰且效率低,已无法满足多标记研究的需求。目前,很多研究者将机器学习方法引用到多标记蛋白质亚细胞预测中,该方法能够更好的构建模型准确预测蛋白质亚细胞位置。本文使用机器学习方法对多标记蛋白质亚细胞位置进行预测,研究内容如下:1.基于距离度量矩阵学习对多标记蛋白质亚细胞定位的预测方法,称为ML-loc COMMU。首先,利用伪氨基酸组成（Pse AAC）、组成分布编码（CTD）、基因本体（GO）、冗余探测转换（RPT）和进化距离转换（EDT）特征提取方法将有关蛋白质序列转化为可供计算机计算的数值并进行特征融合。其次,融合后的特征空间冗余信息占比增加,严重影响预测的准确性,我们采用最大化特征方差和特征标签依赖（MDDMf）剔除干扰信息获得最优特征子集。最后,将最优特征子集输入到基于多标记K近邻的距离度量矩阵学习（MLKNN-Commu）的分类算法中预测模型的有效性。通过留一法（LOOCV）测试,以革兰氏阴性菌数据集为训练集,新建植物数据集、新建病毒数据集和新建人类数据集为测试集,得到ML-loc COMMU在训练集上的总体实际准确率（OAA）和总体预测准确率（OLA）为97.41%和97.80%。在测试集上的OAA分别为93.94%、82.69%和80.00%,OLA分别为93.00%、86.01%和79.19%。研究表明,ML-loc COMMU模型对预测多标记蛋白质亚细胞位置能够发挥良好的效能,有效提高预测的准确性。2.提出一种基于ML-locMLFE的多标签学习方法。首先,使用伪氨基酸组成（Pse AAC）、分组权重编码（EBGW）、基因本体（GO）、分段局部描述符（MCD）、冗余探测转换（RPT）和进化距离转换（EDT）特征提取方法获取蛋白质的序列信息、物理化学性质、注释信息和进化信息并将6种单一特征进行融合。其次,利用多标记信息潜在语义索引（MLSI）降维方法减小特征空间维度,避免冗余信息的干扰。最后,采用基于多标签学习的特征诱导标签信息丰富化（MLFE）分类算法中评估模型的性能。通过留一法（LOOCV）检验,以革兰氏阳性菌数据集为训练集,革兰氏阴性菌、病毒、新冠病毒、新构建的植物数据集为测试集,得到5个数据集的总体实际准确率（OAA）分别为99.23%、93.82%、93.24%、72.73%、96.72%,总体预测准确率（OLA）分别为99.81%、96.50%、99.21%、69.23%和96.25%。研究表明,ML-loc MLFE方法在预测多标记蛋白质亚细胞位置中具有明显优势,为进一步研究多标记蛋白质亚细胞位置开拓新的思路。

关键词：新冠病毒多标记蛋白质亚细胞定位 MLSI降维 MDDMf降维 MLFE分类器 MLKNN-Commu分类器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多标记学习的蛋白质亚细胞定位预测方法及其应用研究

基于多标记学习的蛋白质亚细胞定位预测方法及其应用研究

引用

作者：张琪青岛科技大学

学位级别：硕士

蛋白质在细胞中发挥的作用能够参与到生命体的生长、发育和繁殖等活动中。研究发现多标记蛋白质承载着更多的细胞功能,通过对多标记蛋白质亚细胞的定位研究能够帮助人们理解更多疾病的发病机制,为细胞疾病的预防和诊断提供参考信息,并... 详细信息

蛋白质在细胞中发挥的作用能够参与到生命体的生长、发育和繁殖等活动中。研究发现多标记蛋白质承载着更多的细胞功能,通过对多标记蛋白质亚细胞的定位研究能够帮助人们理解更多疾病的发病机制,为细胞疾病的预防和诊断提供参考信息,并揭示了多标记蛋白质在药物化合物等方面发挥的重要作用。面对多标记蛋白质数据逐渐增多,传统意义的研究方法已不能成为研究者们探索的主要手段。因此利用机器学习对多标记蛋白质亚细胞进行预测越来越重要。本文针对多标记学习的蛋白质亚细胞定位深入研究,研究内容如下:1.提出了一种基于Mps LDA-Pro SVM的多标记蛋白质亚细胞定位预测新方法。首先,利用四种编码算法伪氨基酸组成、三联体、基因本体和伪位置特异性得分矩阵挖掘序列中的特征并融合多种信息。其次,将融合后的特征信息首次采用基于熵权重形式的加权多标记线性判别分析法精炼和提纯特征信息。最后,将最优特征子集先使用多标记K近邻与具有标记特征的多标记学习算法得到相关标签的综合排名,再输入到基于支持向量机的预测和相关性排序(Pro SVM)分类器中预测其亚细胞位置。通过留一交叉验证进行测试,病毒,植物,革兰氏阳性菌和革兰氏阴性菌数据集的OAA值为98.06%、98.97%、99.81%和98.49%、比其他先进方法分别高0.56%-9.16%、1.07%-30.87%、0.21%-6.91%和3.99%-8.59%。通过对比,模型Mps LDA-Pro SVM可以有效预测细胞中多标记蛋白的特定位置。2.提出了一种基于多视图学习的多标记蛋白质亚细胞定位方法,称为Mpsmv RBRL。首先分别利用伪氨基酸组成、伪位置特异性得分矩阵、特异性得分矩阵-转移概率组合、二肽和基因本体算法从不同视图中提取数值信息。根据五种单特征提取方法的贡献值,首次使用差分进化算法学习单特征的权重,再将这些原始特征采用加权的方式融合多种信息。其次将融合后的高维特征使用基于二进制权重形式的加权多标记线性判别分析法去除不相关的信息。最后将最优特征向量输入到具有鲁棒性低秩学习的联合排名支持向量机和二进制相关性(RBRL)分类器中预测多标记蛋白质亚细胞的位置。经过留一交叉验证检验,Mpsmv RBRL在训练集革兰氏阳性菌数据集上的OAA值与OLA值均为99.81%。在测试集病毒、植物和革兰氏阴性菌数据集上的OAA值分别为98.55%、97.24%和98.20%,OLA值分别为97.62%、97.16%和98.28%。结果表明本文提出的模型达到了良好的预测性能,能够有效的预测多标记蛋白质亚细胞的位置。

关键词：多标记蛋白质亚细胞定位机器学习多信息融合差分进化算法加权多标记线性判别分析法 ProSVM分类器 RBRL分类器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：