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.     

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%.     

一种融合多组学数据的关键蛋白质预测算法

关键蛋白质在维持生物体的生理活动中发挥着重要的作用，预测关键蛋白质有助于设计药物分子靶标.随着高通量技术的发展，基于蛋白质相互作用关系数据采用计算方法识别关键蛋白质成为当前的热门研究.研究表明，将蛋白质相互作用网络与其他生物学信息结合起来能够更有效地识别关键蛋白质.因此，本研究提出一种整合蛋白质相互作用数据、基因本体注释信息、蛋白质亚细胞定位信息及蛋白质结构域信息的识别关键蛋白质的新方法TGSD.为了评估新算法的有效性，选取4组常用的酵母测试数据集进行仿真实验，详细比较TGSD方法与其他7种经典方法的识别效果.数值结果显示，TGSD在预测正确关键蛋白质数目和准确率等统计指标上明显优于其他算法.     

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.     

基于组合特征集成的蛋白质相互作用位点预测

运用RBF神经网络预测蛋白质相互作用位点.首先提取序列谱、保守权重、熵值、复合物可及表面积和序列变化率等一系列蛋白质相互作用位点的关键特征.然后应用RBF神经网络以及它们的集成来对这些样本集进行训练与测试.使用10次交叉验证进行训练与测试,创建了4组具有对比性的蛋白质相互作用特征组合.实验中每加入一种新的特征时正确预测率都会相应的提高,特别是加入可及表面积和序列变化率特征时正确率提高幅度更大,表明利用多特征组合,结合RBF神经网络算法进行预测蛋白质相互作用位点的方法是正确有效的.     

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.     

蛋白质相互作用的研究方法及进展

介绍了蛋白质与蛋白质相互作用的研究方法及进展,包括已经应用的标准技术、物理学方法、最新进展及其他方法。利用蛋白质间相互作用为工具,通过合成可调控转录系统来调整生物系统,可实现对基因功能的微调。     

一种基于全覆盖的动态蛋白质相互作用网络构建方法

关键蛋白质是生物体存活和繁育后代所必需的蛋白质.现有方法主要通过在静态网络中引入时间等信息构建动态网络以提高关键蛋白质识别率.在从静态网络向动态网络构建的过程中,上述方法存在部分关键蛋白质缺失、相互作用信息冗余等缺点,影响关键蛋白质识别效率.提出一种新的动态蛋白质相互作用网络构建方法——全覆盖方法.该方法可保证静态网络的蛋白质相互作用信息全部映射到动态网络,并尽可能减少动态网络中蛋白质相互作用的重复率,即保证动态网络对静态网络的全覆盖并降低数据冗余度.实验表明,与静态网络和3Sigma动态网络相比,全覆盖动态网络在关键蛋白质识别方面具有优势.     

一种改良的蛋白质复合物识别方法

高通量的方法产生了大量蛋白质相互作用数据.然而研究表明,对于已过滤的双杂交酵母数据集,假阳性相互作用的比例达到50%左右.这些假阳性这对于进一步的PPI网络研究带来了负面影响.因此,消除假阳性或者降低假阳性带来的负面影响变得非常重要.根据蛋白质相互作用网络的拓扑特性,每一组相互作用被赋予一个存在概率,概率值表示相互作用的可靠程度,概率值为0的相互作用被标识为假阳性予以消除.提出了一种改良的蛋白质复合物识别方法,该方法基于核-附件的思想,识别的复合物具有更强的生物统计特性.改良的新方法及其他经典的识别方法在酵母数据集上得到运行,实验结果表明,改良的方法性能优于现有的经典方法.     

蛋白质-蛋白质相互作用的实验检测方法

生物体内的蛋白质分子常常通过与其他蛋白质分子发生相互作用来发挥其生物功能.因此,研究蛋白质-蛋白质相互作用(protein-protein interaction,PPI)对于阐明蛋白质分子的生物功能以及分子作用机理具有重要的意义.主要介绍基于生物物理和生物化学原理的检测蛋白质-蛋白质相互作用的实验研究方法,并对发展趋...