蛋白质-RNA相互作用预测中的几类分类器

蛋白质-RNA相互作用的研究对于理解细胞生理过程是必不可少的,蛋白质-RNA相互作用的预测是蛋白质相互作用研究中的一项基本工作.蛋白质-RNA相互作用的机制十分复杂,单依靠传统方法无法解决这一问题,结合生物信息学方法,采用计算的方法预测蛋白质和RNA的相互作用备受关注.构建分类器模型是使用计算方法预测相互作用的主要方式,不同分类器建立的分类模型性能不尽相同.为了更深入了解不同分类器的分类性能,通过分析比较贝叶斯、SVM(支持向量机)与随机森林这3种分类方法,归纳总结它们分类性能的优缺点.     

水稻蛋白质相互作用网络的预测与分析

通过同源映射的方法,利用6个模式物种的蛋白质相互作用数据预测水稻的蛋白质相互作用网络.预测到水稻中有4483个蛋白质参与了24942个蛋白质相互作用.通过GO注释,结构域相互作用,基因共表达等3个证据评估预测网络的质量,并对网络进行了拓扑属性分析.结果表明水稻的蛋白质相互作用网络符合scale-free属性.通过对网络中功能模块的分析,可以预测蛋白质的功能和亚细胞定位信息.     

一种预测判断蛋白质与DNA相互作用位点的新方法

蛋白质-DNA相互作用位点在各类生理生化反应中扮演重要角色.本论文旨在构建一种可以准确预测“相互作用位点”的方法：PdDNA，其内容主要包括支持向量机和序列匹配器.支持向量机通过提取相互作用位点中心残基的特征进行训练并分类，序列匹配器则通过蛋白质特征矩阵（PSSM）对氨基酸序列进行相关性评估，对二者结果进行归一化整合，得到最终的预测结果.利用公开数据集PDNA_62，我们的PdDNA预测准确率为86.87%.为进一步验证PdDNA可靠性，我们还自建了PDNA_224数据集，其预测准确率为83.07%，处于较高水平.因此PdDNA是一种有效的“蛋白质-DNA相互作用位点”预测方法.     

基于混合核函数SVM的蛋白质相互作用预测方法

针对蛋白质相互作用的预测问题,提出一种以余弦核和线性差值累加核为基核的对偶混合核函数SVM的蛋白质相互作用预测方法.该方法充分考虑了蛋白质的结构域特征,同时根据蛋白质相互作用数据应具有顺序无关的特点,将"对偶"思想引入SVM核函数中.对两个真实的蛋白质相互作用数据集Yeast PPI和Human PPI的测试结果表明,提出的方法与其它方法相比能够有效地提高蛋白质相互作用预测的准确率.     

蛋白质与蛋白质相互作用预测模型综述

蛋白质作为生命活动的物质基础,通过彼此之间的相互作用来参与生物信号传递、能量和物质代谢及细胞周期调控等,因此,预测蛋白质与蛋白质相互作用(PPIs)有助于从系统角度理解生命过程,同时为细胞机制的研究奠定重要基础。目前,高通量测序技术的进步使研究人员获取了海量的蛋白质相互作用数据。面对大量具有潜在可用性的PPIs数据,国内外研究人员提出了多种PPIs预测模型。文章综述了现有的基于计算的PPIs预测方法,并进行分类,讨论了其各自优缺点。最后对PPIs预测方法进行总结和展望,提出了未来可以深入研究的方向。     

基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究进展

蛋白质相互作用网络中的模块化结构通常对应于蛋白质复合物或者蛋白质功能模块。基于蛋白质相互作用网络预测蛋白质复合物和功能模块不仅有助于理解生命有机体的细胞生物过程,而且可为探讨疾病的发生、发展和治疗以及合理的药物开发提供重要的基础。本文通过回顾近二十年来基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究的发展历程,按照静态蛋白质相互作用网络(SPIN)和动态蛋白质相互作用网络(DPIN)两个方向分别梳理预测算法所涉及的方法和技术,同时归纳常用的数据集并分析所面临的问题,为进一步研究提供有价值的参考。     

金表面吖啶橙自组装膜制备及其对蛋白质测定

借Au-S的作用,将半胱氨酸组装在金表面上,利用吖啶橙与半胱氨酸之间静电的作用,将荧光试剂吖啶橙间接组装于金表面,构建的AO/L-Cys/Au双层膜具有强的荧光信号.利用吖啶橙与蛋白质间的相互作用,引起膜表面荧光信号灵敏的变化测定蛋白质,对蛋白质检测下限为2.301×10~(-8)g/L.     

基于结构域理化性质的蛋白质相互作用方向预测

为了更好地理解蛋白质相互作用,用蛋白质相互作用间信号传递方向进一步注释蛋白质相互作用网络,提出了一种基于结构域理化性质预测蛋白质相互作用方向的方法。首先提取蛋白质结构域的10种理化性质,构成表示方向信息的特征向量;然后建立支持向量机预测模型,并利用网格搜索对模型进行参数寻优;最后用拥有最优参数的模型进行预测。实验结果表明,该模型准确率达到88.17%,AUC值为0.837.与PIDS方法比较结果表明,蛋白质结构域的10种理化性质能够有效用于蛋白质相互作用方向的预测,为预测蛋白质相互作用方向提供了一种新思路。     

基于序列剖面和可及表面积的蛋白质相互作用位点的预测

蛋白质相互作用位点的预测对于突变设计和蛋白质相互作用网络的重构都是至关重要的.由于实验确定的蛋白质复合物和蛋白质配体复合物的结构依然相当少,预测蛋白质相互作用位点的计算方法就显得十分重要.该文提出了一种以支持向量机为分类器,以邻近残基的序列剖面和可及表面积为输入数据来预测蛋白质相互作用位点的方法.计算结果显示,界面残基和非界面残基被识别的准确率为75.12%,假阳性率为28.04%.与输入数据仅有序列剖面的方法相比,界面残基和非界面残基被识别的准确率提高了4.34%,假阳性率降低了4.63%.     

利用BP神经网络预测蛋白质三级结构

在已知的蛋白质结构研究方法基础上,提出将多分类问题转化成一对多的二分类问题,来预测蛋白质的未知结构.训练多个单分类器进行分类;选用后向传播(Back Propagation, BP)神经网络作为分类预测模型;以伪氨基酸作为网络输入特征;选用Chou提出的蛋白质数据集;实验数据采用全交叉验证(Jackknife).结果表明:此法能够提高蛋白质三级结构预测的准确率.     

Prediction of Protein-Protein Interactions by a Novel Model Based on Domain Information

Domain-based protein-protein interactions( PPIs) is a problem that has drawn the attentions of many researchers in recent years and it has been studied using lots of computational approaches from many different perspectives. Existing domain-based methods to predict PPIs typically infer domain interactions from known interacting sets of proteins. However,these methods are costly and complex to implement. In this paper, a simple and effective prediction model is proposed. In this model,an improved multiinstance learning( MIL) algorithm( MilCaA) is designed that doesn't need to take the domain interactions into consideration to construct MIL bags. Then, the pseudo-amino acid composition( PseAAC) transformation method is used to encode the instances in a multi-instance bag and the principal components analysis( PCA) is also used to reduce the feature dimension. Finally, several traditional machine learning and MIL methods are used to verify the proposed model. Experimental results demonstrate that MilCaA performs better than state-of-the-art techniques including the traditional machine learning methods which are widely used in PPIs prediction.     

Identifying changed protein-protein interactions in biological processes by gene coexpression analysis

The interaction strength between 2 proteins is not constant but variable under different conditions. For a given biological process, identification of protein-protein interactions (PPIs) undergoing dynamic change in interaction strength is highly valuable but never achieved before. In this work, we presented a computational approach to identify changed PPIs (cPPIs) on a global scale by analyzing the coexpression level of genes encoding the interacting protein pairs. This approach stemmed from the biological...     

Cu2+配位桥联作用组建荧光性多层膜

借助Au—S化学键的作用,在金基底上组装DL-半胱氨酸(Cys),形成单层自组装膜Cys／Au．然后,利用Cu^2 的配位桥联作用,将卜萘胺乙酸(NAA)组装于Cys／Au上,构建一种新型的自组装多层膜NAA／Cu／Cys／Au．文中采用电化学、荧光光谱、电子能谱等方法表征自组装膜的结构,采用电化学阻抗谱技术和循环伏安法研究该荧光性自组装膜的性能．结果表明,基于铜离子配位作用的NAA／Cu／Cys／Au膜与基于静电作用制得的双层膜NAA／Cys／Au相比,具有更好的导电性。     

葡萄糖生物传感器研究进展

总结了葡萄糖生物传感器研究的发展过程;阐述了第一代经典葡萄糖酶电极、第二代传递介体传感器及第三代直接传感器的原理和特性,并介绍了其它类型的葡萄糖传感器技术及产品。最后,总结和展望了葡萄糖生物传感器研究及应用的发展趋势。     

二阶全矩阵代数的模代数结构

研究了某些二阶矩阵及其二阶矩阵对关于弱相似关系的等价分类,讨论了二阶全矩阵代数的kC2-模代数结构和kC3-模代数结构的同构类。在同构意义下给出了二阶全矩阵代数的kS3-模代数结构,且当k为代数闭域时,得到了二阶全矩阵代数的kS3 模代数结构的同构分类。     

氨基酸定点突变碱性成纤维生长因子的稳定性

为了提高碱性成纤维生长因子的体外稳定性，分析比较了野生型人碱性成纤维细胞生长因子（hbFGF）和半胱氨酸（Cys）定点突变型hbFGF的生物活性、肝素结合能力、体外聚合程度和聚合成分，以及两种蛋白单体的表面静电分布和溶剂可及表面面积．结果表明，突变型hbFGF保持了野生型hbFGF的生物活性以及肝素结合能力，并显著了降低了体外聚合程度，而单体三维结构中的静电分布和溶荆可及表面面积变化不明显，由此可见，Cys突变影响了hbFGF的共价聚合，而对非共价聚合影响不大．     

血清胱抑素C和视黄醇结合蛋白联合检测对慢性肾小球肾炎诊断价值的研究

目的探讨联合检测血清胱抑素C(Cys C)和视黄醇结合蛋白(RBP)在慢性肾小球肾炎诊断中的应用价值.方法选取50名慢性肾小球肾炎患者为观察组,50名健康体检者为对照组,分别对观察组和对照组血清Cys C以及RBP的含量进行测定,并分析其与慢性肾小球肾炎之间的关系.结果观察组和对照组Cys C的含量分别为(2.97±1.06),(0.95±0.62)mg/L,观察组明显高于对照组;RBP的含量观察组为(105±30.5)mg/L,相比于对照组的(38±10.3)mg/L明显升高;单项指标阳性率分别为Cys C 84%、RBP 76%,联合检测阳性检出率为90%,和单项指标相比阳性检出率明显提高,差异具有统计学意义(P0.05).对慢性肾小球肾炎患者的两项指标研究发现:血清Cys C和尿RBP的含量呈正相关(r=0.921,P0.05).结论慢性肾小球肾炎血清Cys C和RBP明显高于健康对照组,对慢性肾小球肾炎的诊断具有重要的临床价值.联合检测血清Cys C和RBP对慢性肾小球肾炎检出率和敏感性均明显高于单指标检测.     

突变型大肠杆菌二氢叶酸还原酶基因的合成

利用PCR定点突变技术，以野生型大肠杆菌二氢叶酸还原酶基因为模板，获取3种突变型(Cys85Ser．Cysl51Ser，Cys85／151Ser)二氢叶酸还原酶(DHFR)基因．用限制性内切酶BamH Ⅰ与Pst Ⅰ将3种突变基因片段插入到克隆载体pUC18上，进行蓝白筛选，将筛选的克隆进行DNA序列测定．     

基于自注意力机制的新生儿胆道闭锁识别

新生儿胆道闭锁是新生儿常见的致命疾病之一,并且该病在亚洲的发病率高于世界其他地区.新生儿胆道闭锁需要及时发现及时治疗,然而由于缺少专业的儿科医生和辅助诊疗手段,新生儿父母往往不能及时发现而错过了最佳治疗时间.因此,本文开发了一个具有实际应用价值的预诊算法,通过新生儿粪便图片预测新生儿是否患有新生儿胆道闭锁,并提醒新生儿父母及时就诊.为了让算法在应用场景下识别率更高,本文的算法基于一个真实场景下拍摄的新生儿粪图片数据集开发.首先我们设计了一个自注意力网络模型BANet(Biliary Atresia Network),将图片的浅层特征和深层特征相结合,可以得到更好的分类效果.由于拍摄自应用场景下的图片存在过暗和过曝等问题.通过分析数据集的亮度分布,我们设计了一个自动亮度调节算法解决.此外,图片中的阴影也会对识别结果造成干扰,因此我们在训练阶段增加了一种阴影数据增强方式来缓解这一问题.为验证本文提出算法的有效性,本文设计了一个和医生的对比试验.结果证明BANet在四分类的识别率、二分类的识别率、特异性和敏感性等客观评价指标上占有明显优势.本文提出的BANet能够有效利用图片中的颜色、异常点...     

Dimerization inhibits the activity of receptor-like protein-tyrosine phosphatase-alpha.

Protein-tyrosine phosphatases (PTPs) are vital for regulating tryosine phosphorylation in many processes, including growth and differentiation. The regulation of receptor-like PTP (RPTP) activity remains poorly understood, but based on the crystal structure of RPTPalpha domain 1 we have proposed that dimerization can negatively regulate activity, through the interaction of an inhibitory 'wedge' on one monomer with the catalytic cleft of domain 1 in the other monomer. Here we show that dimerization inhibits the activity of a full-length RPTP in vivo. We generated stable disulphide-bonded full-length RPTPalpha homodimers by expressing mutants with single cysteines at different positions in the ectodomain juxtamembrane region. Expression of wild-type RPTPalpha and Phe135Cys and Thr141Cys mutants in RPTPalpha-null mouse embryo cells increased dephosphorylation and activity of Tyr 529 in the protein tyrosine kinase c-Src; in contrast, expression of a Pro137Cys mutant did not. Mutation of Pro 210/211 to leucine in the inhibitory wedge of the Pro137Cys mutant restored its ability to activate c-Src, indicating that dimerization may inhibit full-length RPTPalpha activity in a manner stereochemically consistent with RPTPalpha crystal structures. Our results suggest that RPTPalpha activity can in principle be negatively regulated by dimerization in vivo.