检索历史 清除

摘要赖氨酸乙酰化修饰是一种被广泛研究且可逆的蛋白质翻译后修饰，对细胞的转录调控、中心代谢、蛋白质的合成、细胞周期、细胞形态、信号传导等诸多生理过程具有重要的意义。乙酰化修饰位点的识别是了解乙酰化蛋白分子机制的基础。虽然已经有越来越多的研究者发展计算方法对真核生物赖氨酸乙酰位点进行识别，但对原核生物赖氨酸乙酰化位点预测的研究甚少。基于原核生物与真核生物赖氨酸乙酰化数据的模体分析，我们发现原核与真核生物赖氨酸乙酰化基底位点间存在显著的特异性差异，这表明发展一种可靠高效的计算方法分析预测原核生物赖氨酸乙酰化是非常有必要的。本文主要从原核生物赖氨酸乙酰化蛋白一级结构出发，使用弹性网络（Elasticnet）算法优化预测模型，发展了原核物种特异性乙酰化位点的计算识别工具。具体工作内容包括：<br>　　1.特征选择对于预测模型性能的提升有着重要作用。主要针对lasso算法、岭回归算法和弹性网络算法之间的关系进行讨论，并阐述了弹性网络算法作为一种特征选择方法具有的优良性质。<br>　　2.基于弹性网络算法开发了一个针对不同原核生物赖氨酸乙酰化位点的新预测工具ProAcePred（http://computbiol.ncu.edu.cn/ProAcePred）。从相关数据库和文献中收集了九种实验验证的原核生物赖氨酸乙酰化数据，使用弹性网络算法对原核生物赖氨酸乙酰化蛋白序列特征、物理化学特征和进化信息特征进行优化，结合支持向量机（SVM）构建了预测模型。通过弹性网络优化特征向量能够很好地提升模型预测性能，并且特征分析表明进化信息在原核生物乙酰化预测模型中发挥重要作用。与其他现存方法比较显示我们的预测方法有明显的优势。<br>　　3.基于位置特异性分析方法──信息增益改进原核生物赖氨酸乙酰化位点预测质量。我们采用了一种有效的位置特异性分析方法──信息增益算法（IG），对乙酰化肽段进行优化，构建位置特异性窗口。通过结合六种不同类型的特征，采用弹性网络算法优化特征向量进行模型学习，设计了原核生物赖氨酸乙酰化位点预测方法ProAcePred2.0（http://computbiol.ncu.edu.cn/PAPred）。模型训练结果表明位置特异性窗口优于传统连续窗口，可以有效改进原核生物赖氨酸乙酰化位点的预测质量。