基于特征筛选方法预测不同离子通道活性的芋螺毒素

摘要

细胞膜上离子通道功能的紊乱是导致生物体机体的许多疾病的重要原因，因此，众多的离子通道已成为疾病治疗药物研发的重要靶标。作为与特定离子通道有着高度亲和力的海洋毒素之一，芋螺毒素已成为科学家们研究的热点之一，被称为“海洋药物宝库”。
　　芋螺毒素(Conotoxins,CTX)是一种神经毒素短肽，其种类繁多，作用广泛，却大多数只有一种离子通道活性，因此其在治疗多种神经类疾病的药物开发中有着巨大潜力。与庞大的芋螺毒素数量相比，只有很少的芋螺毒素研究文献发表，信息学研究则更为缺乏。随着蛋白质组时代的开始，利用生物信息学方法对新发现的芋螺毒素进行分析显得尤为重要。机器学习作为获取及处理信息的重要手段，在生物信息学中有着重要的应用，因此，科研人员已基于氨基酸序列提出了一些用于芋螺毒素超家族预测的方法，然而这些工作并不能直接地对芋螺毒素的功能进行准确预测。鉴于此，本文旨在探寻一种有效的生物信息学方法来识别不同离子通道活性的芋螺毒素。
　　本文以芋螺毒素序列及其功能类型为研究对象，以生物信息学及机器学习原理为基础，应用特征筛选方法对K+、Na+、Ca2+三种离子通道活性芋螺毒素进行了分类研究，分析、比较了不同特征筛选及分类算法模型的预测精度和性能。首先，通过查找实验注释功能的芋螺毒素，构建了可靠的基准数据集。随后，基于二肽特征，本文应用二项分布及F-score两种特征筛选方法，分别结合径向基函数网络和支持向量机算法实现了与离子通道相互作用的芋螺毒素类型的识别。结果分析证明，本文建立的两个模型均取得较好预测结果。其中，在 jackknife检验中，支持向量机结合F-score构建的模型能够获得超过90％的预测精度。在此模型的基础上，我们搭建了免费的在线网络服务平台ICTCPred。该服务的构建为实验研究人员提供了一个便利可靠的芋螺毒素预测工具,达到了为相关科学研究节约成本、提供理论依据的目的。

目录

封面

声明

中文摘要

英文摘要

目录

第一章绪论

1.1 生物信息学与机器学习

1.2 芋螺毒素简介

1.3 芋螺毒素的生物信息学研究现状

1.4本论文主要工作及结构安排

第二章 特征提取与筛选算法

2.1 特征提取

2.1.1 伪氨基酸组分(PseAAC)

2.1.2 二肽

2.1.3 特异位置打分矩阵

2.2 特征筛选

2.2.1 二项分布算法

2.2.2 F-score算法

第三章 分类算法

3.1 径向基函数网络(RBF network)

3.1.1 人工神经网络

3.1.2 径向基函数网络

3.1.3 WEKA软件

3.2 支持向量机(SVM)

3.2.1 最优分类面

3.2.2 支持向量机

3.2.3 LIBSVM软件包

第四章 模型构建与结果分析

4.1数据集构建

4.1.1 UniProt数据库简介

4.1.2数据集构建

4.2 模型评估标准

4.3 二项分布结合RBFN模型

4.3.1 模型构建

4.3.2 模型评估

4.3.3 预测未知功能芋螺毒素序列

4.4 F-score结合支持向量机算法模型

4.4.1 模型构建

4.4.2模型评估

4.5 ICTCPred在线网络服务平台

第五章 总结与展望

5.1 对本文内容的总结

5.2 本文工作的意义

5.3 对以后工作的展望

致谢

参考文献

附录

攻硕期间研究成果