检索结果-南通市图书馆

中国生物化学与分子生物学报 2019年第11期35卷 1284-1293页

作者：季静思丁彦蕊江苏省媒体设计与软件技术重点实验室江苏无锡214122 江南大学理学院江苏无锡214122 江南大学工业生物技术教育部重点实验室江苏无锡214122

残基相互作用网络是体现蛋白质中残基与残基之间协同和制约关系的重要形式。残基相互作用网络的拓扑性质以及社团结构与蛋白质的功能和性质有密切的关系。本文在构建一系列耐热木聚糖酶和常温木聚糖酶的残基相互作用网络后,通过计算网... 详细信息

残基相互作用网络是体现蛋白质中残基与残基之间协同和制约关系的重要形式。残基相互作用网络的拓扑性质以及社团结构与蛋白质的功能和性质有密切的关系。本文在构建一系列耐热木聚糖酶和常温木聚糖酶的残基相互作用网络后,通过计算网络的度、聚类系数、连接强度、特征路径长度、接近中心性、介数中心性等拓扑参数来确定网络拓扑结构与木聚糖酶耐热性的关系。识别残基相互作用网络的hub点,分析hub点的亲疏水性、带电性以及各种氨基酸在hub点中所占的比例。进一步使用GA-Net算法对网络进行社团划分,并计算社团的规模、直径和密度。网络的高平均度、高连接强度、以及更短的最短路径等表明耐热木聚糖酶残基相互作用网络的结构更加紧密;耐热木聚糖酶网络中的hub节点比常温木聚糖酶网络hub节点具有更多的疏水性残基,hub点中Phe、Ile、Val的占比更高。社团检测后发现,耐热木聚糖酶网络拥有更大的社团规模、较小的社团直径和较大的社团密度。社团规模越大表明耐热木聚糖酶的氨基酸残基更倾向于形成大的社团,而较小的社团直径和较大的社团密度则表明社团内部氨基酸残基的相互作用比常温木聚糖酶更强。

关键词：木聚糖酶残基相互作用网络耐热性社团

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的蛋白质热稳定性预测模型研究

基于深度学习的蛋白质热稳定性预测模型研究

引用

作者：向孝洋江南大学

学位级别：硕士

在日用产品和工业生产中,蛋白质发挥着重要的作用,但大多数蛋白质在高温环境中会变性失活,因此获得耐热蛋白质非常重要。传统的方法常使用湿实验来发现新的耐热蛋白质或改造蛋白质以提高耐热性,往往费时、费力、成本高,难以有效的获取... 详细信息

在日用产品和工业生产中,蛋白质发挥着重要的作用,但大多数蛋白质在高温环境中会变性失活,因此获得耐热蛋白质非常重要。传统的方法常使用湿实验来发现新的耐热蛋白质或改造蛋白质以提高耐热性,往往费时、费力、成本高,难以有效的获取新的耐热蛋白质。随着机器学习算法的发展,基于提取的蛋白质特征来识别和预测蛋白质热稳定性取得了很大进展。然而深度学习算法预测蛋白质热稳定性还有待深入研究。基于深度学习算法,本文从蛋白质的序列信息和结构信息出发,使用序列水平特征,氨基酸水平特征,残基相互作用网络的图拓扑特征和图嵌入四种特征类型来预测蛋白质热稳定性,具体研究工作概述如下:1.基于序列水平特征预测蛋白质热稳定性。首先计算了六种在蛋白质热稳定性预测和蛋白质功能预测中重要的蛋白质序列水平特征。再通过深度学习算法DNN提取隐藏特征并融合。使用注意力机制计算特征间的注意力并基于此为每个特征加权。最后将融合特征用于最终的耐热和常温蛋白质分类。此模型相比于传统的机器学习方法,在步骤上更高效,在预测能力上准确性也大幅提升。2.融合氨基酸水平特征和序列水平特征预测蛋白质热稳定性。本研究使用Doc2vec算法学习蛋白质子序列k-mer的统一表征。依蛋白质序列的排列顺序使用k-mer表征完整的蛋白质序列,并基于Bi-LSTM算法提取隐藏特征。将提取的隐藏特征与蛋白质序列水平特征融合,使用注意力机制在氨基酸水平和序列水平上同时获取注意力,增强特征融合效果。利用融合后的特征进行耐热和常温蛋白质的分类,预测性能优于融合前的两种特征。3.融合图嵌入和网络拓扑特征预测蛋白质热稳定性。本研究使用残基相互作用网络(RIN)表征蛋白质结构,计算了RIN的网络拓扑特征并通过图嵌入进一步获得结构信息,分别使用深度学习算法DNN和LSTM捕获特征中的隐藏特征并基于注意力机制融合,分类耐热和常温蛋白质。将所构建的模型与主流的预测模型进行比较和分析,证明该模型具有更好的预测性能。综上,本文以蛋白质为研究对象,分别基于蛋白质序列信息和蛋白质结构信息展开研究。基于蛋白质序列信息,从序列水平计算传统的序列水平特征,从氨基酸水平使用Doc2vec算法获取k-mer嵌入表征完整的蛋白质序列信息。基于蛋白质结构信息,根据原子间的距离构建RIN表征结构信息,计算了网络拓扑特征和图嵌入。本研究使用了深度学习算法来进行特征的提取和特征的融合,并预测耐热蛋白质。本文的创新性主要体现在从系统的角度,基于深度学习算法,多维度的提取了蛋白质特征,对耐热蛋白质进行准确的识别,深入挖掘了影响热稳定性的关键特征,为分析和设计耐热蛋白质提供了理论基础。

关键词：耐热蛋白质深度学习残基相互作用网络特征研究

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

基于复杂网络和社区探测方法的热区预测方法研究

基于复杂网络和社区探测方法的热区预测方法研究

引用

作者：南东方武汉科技大学

学位级别：硕士

已有的研究表明,热点是分布在蛋白质界面上，但分布并不是均匀的，而是聚集在局部的紧密填充的区域，称为热区。热区才是稳定并协调蛋白质-蛋白质相互作用的关键因素，热区的发现与界定对于揭示诸如细胞的代谢和信号传导途径、免疫确认... 详细信息

已有的研究表明,热点是分布在蛋白质界面上，但分布并不是均匀的，而是聚集在局部的紧密填充的区域，称为热区。热区才是稳定并协调蛋白质-蛋白质相互作用的关键因素，热区的发现与界定对于揭示诸如细胞的代谢和信号传导途径、免疫确认、DNA复制、基因翻译和蛋白质合成等蛋白质功能活动具有重要意义，因而如何有效地发现和预测热区是一个值得研究的课题。本文的研究重点是基于蛋白质-蛋白质相互作用(PPIs)的复杂网络特性和社区结构，结合社区探测方法和热点回收策略来预测PPIs的热区，提出了一种预测PPIs的热区方法：HRPH(基于热点的热区预测，Hot Region Prediction Based on Hotspots)是基于热点预测的结果集，根据热区形成规则构成初步的热区预测集;在形成初步的热区预测集后，利用社区探测方法探测热区所在的社区，然后通过热点回收策略对初步结果集中的假阳性和假阴性残基进行更正和回收，通过对初步得到的热区结果集进行优化获得最终的热区预测集。本文利用6个热区预测结果的评估标准，以确保热区预测模型的精确度和可靠性。随后，我们还将本文的预测热区的方法HRPH与前人的预测方法进行了对比，证明了我们方法不仅可以提高热区的预测精度而且具有更高的可靠性。

关键词：蛋白质-蛋白质相互作用残基相互作用网络热区社区探测复杂网络

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

蛋白质-RNA相互作用的集成算法预测研究及统计分析

蛋白质-RNA相互作用的集成算法预测研究及统计分析

引用

作者：王美霞兰州大学

学位级别：硕士

蛋白质-RNA相互作用与生物体内的多种生命活动密切相关。因此,探讨蛋白质-RNA相互作用的分子机制,对于理解生物学过程、疾病病理研究以及药物设计具有重要的指导意义。目前,生物学家通过X-射线晶体衍射和核磁共振等实验方法得到蛋白质-... 详细信息

蛋白质-RNA相互作用与生物体内的多种生命活动密切相关。因此,探讨蛋白质-RNA相互作用的分子机制,对于理解生物学过程、疾病病理研究以及药物设计具有重要的指导意义。目前,生物学家通过X-射线晶体衍射和核磁共振等实验方法得到蛋白质-RNA复合物的结构数据仍然较少,主要是由于实验测定过程较为复杂繁琐,时间和经费方面花费比较大,并且有些蛋白质-RNA复合物结晶很难通过实验方法来获得。因此,随着蛋白质-RNA复合物结构数据的不断积累,研究人员逐渐尝试从生物信息学角度研究蛋白质-RNA的相互作用。本学位论文以蛋白质-RNA复合物为研究对象,综合应用多种统计学和生物信息学方法,探讨了蛋白质-RNA相互作用的几个关键问题：RNA结合蛋白识别、RNA结合氨基酸残基识别、RNA结合残基偏好性以及氨基酸-RNA结合模式的统计分析,希望建立以蛋白质序列和结构信息为基础的RNA结合蛋白、RNA结合位点的预测模型,并对蛋白质-RNA相互作用界面进行系统分析,为蛋白质-RNA相互作用机制研究提供更为深入的参考信息。本论文的具体研究工作包括以下几个方面：1、建立了基于随机森林算法和支持向量机算法的RNA结合蛋白识别的集成算法预测模型。建立预测模型过程中,我们充分考虑了蛋白质的序列信息和结构信息,即蛋白质的物理化学性质、进化信息以及溶剂可及化表面积。由于每条蛋白质链的长度不一致,需要通过一定的方法将这些长度不等的蛋白质特征转换为长度相同的数值信息。基于转换后的特征信息,我们采用基于随机森林算法和支持向量机为基础分类器的集成学习方法来构建分类模型,以解决数据集中不同类样本量的不平衡问题。集成模型还可以有效提高模型的准确率和泛化能力。模型的预测结果显示,本工作采用的方法获得了令人满意的结果。进一步讨论分析发现支持向量机方法的预测能力和拟合能力优于随机森林方法,并且集成算法也确实有效地解决了样本不平衡问题。2、基于蛋白质序列和结构的综合特征信息,我们构建了RNA结合残基的集成预测模型。首先基于蛋白质序列,我们计算了氨基酸的进化信息、保守性信息和物理化学信息。其次根据蛋白质的三维结构计算得到氨基酸的溶剂可及化表面积和蛋白质的残基相互作用网络参数。根据随机森林方法对这些特征进行筛选以得到与蛋白质-RNA相互作用密切相关的描述符。最后将所选取的特征子集作为随机森林模型的输入,构建RNA结合位点识别的预测模型。本工作中我们共构建了50个独立的随机森林预测模型,最后将所有独立模型进行集成分析。结果显示,我们所建立的模型得到了令人满意的预测结果。另一方面,通过特征选择找到了影响氨基酸与RNA发生作用的重要特征信息,有助于蛋白质-RNA相互作用的作用机制的研究。3、基于数据集RBP86,我们对复合物相互作用界面上的RNA结合残基、氨基酸-RNA结合模式以及重要特征在结合位点和非结合位点上的分布情况进行了统计分析。统计分析结果表明：(1)20种氨基酸中碱性氨基酸易于和RNA分子发生作用,尤其是赖氨酸(K)和精氨酸(R)。这主要是由于碱性氨基酸侧链带有正电荷,容易与带负电荷的RNA分子相互作用,并且碱性氨基酸的侧链都比较长,因此灵活性好,柔性大,易于和RNA分子作用。进一步发现氨基酸的极性也是影响蛋白质-RNA相互作用的重要影响因素;(2)在不同的蛋白质二级结构中,我们发现Turn类和Coil类结构的相对使用偏好性比较大。主要是由于这两类结构具有高曲率,灵活性好,有利于氨基酸与RNA发生结合;(3)两个相邻残基同时与RNA分子发生结合时,R、K和G之间的协同作用比较大,并且在残基相互作用网络中R与其他氨基酸之间的协同作用比较强烈。(4)本章还统计了6类不同氨基酸-RNA组合在复合物结构中发生结合的相对使用偏好性,结果显示结合氨基酸中碱性氨基酸和具有turn结构的氨基酸与RNA中的磷酸基团结合具有很高的结合偏好性,并且R和K所具有的结合偏好性最大。(5)针对重要描述符特征值在结合残基和非结合残基中的数值分布情况的统计分析发现,除了平均最短路径、连通性和节点度外,其他各类网络参数和保守性指数在低数值区域内,非结合位点残基发生的概率明显高于结合位点残基。相反,在高数值区域内,结合位点残基发生的概率高于非结合位点残基。

关键词：蛋白质-RNA相互作用残基相互作用网络界面分析结合蛋白识别结合位点识别集成算法

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

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

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

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：