基于离散增量和协变判别函数识别蛋白质亚核定位

利用离散增量结合协变判别函数,选取氨基酸组份和N端氨基酸二肽组份为信息参数,对蛋白质亚核定位进行预测.在序列相似性小于等于25%时,406个单定位亚核蛋白Jackknife检验总预测成功率为75.9%,相关系数CC为0.644,把多定位亚核蛋白作为独立测试集,92个多定位亚核蛋白总预测成功率为78.3%.在序列相似性小于等于65%时,504个单定位亚核蛋白Jackknife检验总预测成功率为75.6%,相关系数CC为0.643,92个多定位亚核蛋白总预测成功率为80.4%.与 Lei等人利用Lei-SVM方法对该数据库预测结果相比,单定位亚核蛋白总预测成功率比Lei等人高9.1%,CC值比Lei等人高0.124,多定位亚核蛋白总预测成功率比Lei等人高15.2%.     

拟南芥和线虫外显子/内含子剪切位点的研究

将拟南芥(A.tha liana)和线虫(C.eleg ans)的基因序列中的外显子按第一外显子,中间外显子和最后外显子划分成三类.分别将外显子/内含子剪切位点、翻译起始和终止位点附近的三联体的3个位点作为3条子链,以各条子链的不同碱基个数作为离散源参数,共12个离散源参数,计算各类外显子离散量.用离散增量实现了对三种序列类型的预测,预测成功率都达到80%以上;并且统计了剪切位点附近的碱基相对频数,结果比较了由于三联体所取位置及个数不同而造成的对预测结果的差异,说明了剪切位点附近碱基的保守性.     

预测竞争性和非竞争性剪接位点对

基于剪接位点竞争机制,剪接位点对分成竞争性剪接位点对和非竞争性剪接位点对.并且竞争性和非竞争性剪接位点对的分类是一个很重要的工作.结合位置权重矩阵、离散量和支持向量机,提出了预测竞争性和非竞争性剪接位点对的新方法.独立检验集中90%以上的剪接位点对能被正确地分类成竞争性和非竞争性剪接位点对.此预测成功率高于其它方法.     

基于位置关联权重矩阵的大肠杆菌启动子预测

对实验证实的683条大肠杆菌sigma70启动子的序列进行保守性计算分析,获得四个保守的区域:-10区域是启动子最保守的功能元件,-35区域、转录起始位点附近及启动子上游UP单元.从保守区中选取M 6(1)值较大的10个保守位点的六联体频数作为参数、引入伪计数构建位置权重矩阵,利用位置关联打分函数对683条sigma70启动子进行预测.负集分别从编码区和非编码区选取700条序列进行算法检验,获得很好的结果,敏感性分别为91%和90%.进而利用位置关联打分函数对大肠杆菌整条序列进行搜索,获得1567条预测序列.这些序列可能是实验未测定的启动子序列.     

预测酵母(Yeast)基因转录因子结合位点

基于在转录因子结合位点各碱基出现的概率不相同,以转录因子结合位点每一位置的碱基保守程度为参量,分别计算每种转录因子结合位点在每一位置的碱基保守指数Mi.通过构建每种转录因子结合位点位置权重矩阵(PWM),利用位置权重矩阵打分函数对酵母四种转录因子结合位点进行预测.利用se lf-cons istency和cross-va lidation两种方法对此算法进行检验,均获得了较高的预测成功率.结果显示四种转录因子结合位点的预测成功率均超过80%,且同时获得多个试验未测定的转录因子结合位点,对实验有指导意义.     

模式生物的外显子、内含子和基因间序列的识别

基于核酸序列在剪切位点上保守性、组分的不同和编码序列阅读框架的3周期性,模式生物全基因组序列分为外显子、内含子和基因间序列三类.三个标准离散源分别由64个三联体在整条序列上的概率和4个碱基序列首尾(剪切位点附近)共30个位点上的概率共同构成.某条序列的类型就由该序列的离散量同相应区间上三个标准离散量的离散增量确定.结果表明:具有184个信号参数的离散量预测比只有64个三联体参数的结果要高出5%,总体预测成功率:线虫为87.37%,拟南芥为91.08%,果蝇为92.28%,原核生物大肠杆菌的二种序列预测率为92.88%,酵母菌为94.88%.     

基于标准差中位数的磁共振信号尖峰去除方法

针对核磁共振探测(SNMR: Surface Nuclear Magnetic Resonance）信号因受尖峰噪声干扰严重而导致其衰减形态被破坏的问题, 提出了基于标准差中位数的尖峰噪声筛选剔除方法。通过对重复采集的数据进行阈值设定, 准确识别并剔除信号中混入的随机性强、 幅值高的尖峰干扰。仿真实测结果表明, 该方法能有效去除大于信号幅值10倍的多处尖峰噪声, 同时能较好地还原真实信号的衰减形态。     

基于序列信息理论预测线虫基因选择性剪切位点

基因的选择性剪切使得在DNA上一段相同的序列翻译成多个不同的蛋白质序列.选择性剪切的出现把剪切位点分为选择性供体位点、组成性供体位点、选择性受体位点和组成性受体位点.基于EBI中的线虫基因选择性剪切位点数据库,选取不同位点的单碱基频率和序列片段的三联体频数作为参数,利用位置权重矩阵和离散增量结合支持向量机,对选择性剪切位点进行了理论预测.对选择性供体位点和选择性受体位点的预测成功率分别为63.78%和72.63%,特异性分别为68.02%和83.96%.