高维共鸣识别——蛋白质比较的新方法

在提出的符号序列的高维数字表达以及高维傅里叶变换概念的基础上,提出了蛋白质比较的新方法——高维共鸣识别。将两种蛋白质对应的氨基酸序列转化为向量序列,分别计算它们对应的向量序列的离散傅里叶变换。据此,定义两个蛋白质序列所对应的交叉谱函数,考查交叉谱函数的信噪比,判断两种蛋白质序列的相似性或差异性。计算结果显示它是蛋白质比对的又一个有效方法,是Cosic一维共鸣识别的拓展。     

新型核序列自相关函数用于非同源蛋白质结构类预测

从天然氨基酸的50个性质参数中经主成分分析得出1种新的氨基酸描述子:氨基酸特征性质得分.并在此基础上通过定义基于向量形式的自相关函数以及引入Mercer核技术将该函数运算空间进行非线性变换,最终提出了1种新的蛋白质序列表征方法:核序列自相关函数.采用该函数对632个已知晶体结构的非同源蛋白分类研究结果表明:KSACF能...     

基于多级滤波器的蛋白质热点区域预测

针对数字滤波技术用于蛋白质热点区域预测时预测结果精度低的问题,提出一种基于多级滤波器的预测方法。依据共振识别模型从一组蛋白质中提取出特征频率,设计一个选通特性良好的多级滤波器对蛋白质序列进行滤波,根据滤波器输出序列的能量谱定位蛋白质的热点区域。实验表明,多级滤波器能提高预测结果的精度。     

基于贝叶斯方法的蛋白质界面残基预测

蛋白质界面残基预测是蛋白质相互作用研究中的一项基本工作,在生物制药及蛋白质功能研究方面有着重要的应用.以蛋白质中的氨基酸残基为研究对象,使用残基的溶剂可及表面积及残基的序列谱为特征集,构建了基于贝叶斯方法的蛋白质界面残基预测器.方法有效地结合了蛋白质残基特征集的条件独立性假设及贝叶斯方法在处理不确定性数据方面的优点,通过对含77个蛋白质的数据集进行实验,结果比其它方法获得了6%的准确率的提高,三维可视化的结果也表明分类器预测的有效性.     

氨基酸序列的特征描述

氨基酸序列的特征描述是指从一条氨基酸序列选取相关的特征信息并用数学方法描述这些信息，使之能正确反映序列与结构或功能之间的关系。在根据氨基酸序列预测蛋白质的结构类或亚细胞位置等问题中，氨基酸序列的特征描述直接影响预测质量；同时比较不同描述方法对预测结果的影响可以帮助我们理解序列与结构或序列与功能之间的关系。本文介绍了几种氨基酸序列的特征描述方法，以FDOD方程作为判别函数，比较了其中几种描述方法对蛋白质结构类预测结果的影响，发现二级结构单纯的全α类和全β类蛋白质对于氨基酸组成比较敏感，而对于混合型蛋白质，即α β类和α/β类蛋白质，考虑氨基酸残基排列顺序可以显著提高预测结果。     

氨基酸序列的特征描述

氨基酸序列的特征描述是指从一条氨基酸序列选取相关的特征信息并用数学方法描述这些信息,使之能正确反映序列与结构或功能之间的关系。在根据氨基酸序列预测蛋白质的结构类或亚细胞位置等问题中,氨基酸序列的特征描述直接影响预测质量;同时比较不同描述方法对预测结果的影响可以帮助我们理解序列与结构或序列与功能之间的关系。本文介绍了几种氨基酸序列的特征描述方法,以FDOD方程作为判别函数,比较了其中几种描述方法对蛋白质结构类预测结果的影响,发现二级结构单纯的全α类和全β类蛋白质对于氨基酸组成比较敏感,而对于混合型蛋白质,即α+β类和α/β类蛋白质,考虑氨基酸残基排列顺序可以显著提高预测结果。     

基于蛋白质CGR的线粒体蛋白质序列比对

利用蛋白质混沌游走表示法（PCGR）提出一种新的蛋白质序列比对方法。通过计算两序列之间的PCGR点距离,就可以找到所有的局部相似片断。根据氨基酸的化学物理性质把氨基酸分成4和7类,针对分类与无分类的各种情况进行蛋白质序列比对。为了更直观地描述比对结果,采用点阵图来表示比对数据,不仅能显示两序列间所有相同片断,还可以体现出序列的相似性。     

氨基酸序列特征提取方法研究

组成蛋白质的基本单位是氨基酸,对于蛋白质分类预测问题,氨基酸序列特征提取方法是一个非常重要的因素。对基于氨基酸组成、位置的特征提取算法如熵密度、n阶耦联组成和基于氨基酸性质的特征提取方法如自相关函数、伪氨基酸组成等方法进行了阐述,并进行了简单评价。基于氨基酸组成的方法实现简单、计算量小,且对所有的氨基酸序列都适用,但丢失了氨基酸的顺序信息以及其问的相互作用,基于氨基酸位置信息或理化特性等方法计算量非常大,科研工作者可以根据对蛋白质的不同要求选择相应的特征提取方法。     

氨基酸序列特征提取方法研究

组成蛋白质的基本单位是氨基酸,对于蛋白质分类预测问题,氨基酸序列特征提取方法是一个非常重要的因素。对基于氨基酸组成、位置的特征提取算法如熵密度、n阶耦联组成和基于氨基酸性质的特征提取方法如自相关函数、伪氨基酸组成等方法进行了阐述,并进行了简单评价。基于氨基酸组成的方法实现简单、计算量小,且对所有的氨基酸序列都适用,但丢失了氨基酸的顺序信息以及其问的相互作用,基于氨基酸位置信息或理化特性等方法计算量非常大,科研工作者可以根据对蛋白质的不同要求选择相应的特征提取方法。     

基于群智能的蛋白质耐热温度预测研究

为直接利用序列和结构信息预测蛋白质耐热温度,提出了基于群智能的蛋白质耐热温度预测方法。基于多元线性回归模型,利用人工蜂群与粒子群混合算法,优化了蛋白质的耐热温度与氨基酸含量的多元线性回归模型的参数,得到蛋白质的耐热温度。此外,通过加入蛋白质的氨基酸网络拓扑属性,提高了蛋白质耐热温度的预测准确性。对耐温蛋白质,网络拓扑属性的加入使得蛋白质耐热温度的预测值偏差和真实值偏差之间的相关系数增加到0.71,平均预测率增加到0.88;耐热蛋白质的相关系数增加到0.75,平均预测率增加到0.91。氨基酸网络拓扑属性的引入为预测蛋白质耐热温度提供了新的视角。     

基于不同序列特征值预测氧化还原酶辅酶类型的研究

如何有效提取蛋白质序列特征值,一直是生物信息学研究的重要任务.本文研究8种序列特征值提取方法,并考察它们在不同分类器中的表现,以用于预测氧化还原酶辅酶依赖类型.其中,氨基酸组成法效果最差,平均预测精度仅及64.96%;而将两性伪氨基酸组成和新氨基酸组成分布两种方法合并后,以支持向量机作为分类器时,其识别效果最佳,可达92.93%.此外,不同特征值的提取方法与分类器之间似乎有着一定的匹配关系,只有找到其间的最佳匹配,才能获得最佳的识别效果.     

饲料中添加赖氨酸对鲤鱼生长的影响

在鱼饲料中添加0．25％比例的赖氨酸的试验结果表明，可以提高鲤鱼的生长速度近20％。降低饲料成本可达13．7％，提高了鲤鱼产量。因此赖氨酸是鲤鱼生长发育的良好营养添加剂和生长剂。     

贝叶斯方法在蛋白质耐热性分类中的研究

氨基酸含量是影响蛋白质耐热性的主要因素。本文以氨基酸含量为特征向量,研究了贝叶斯方法预测蛋白质耐热性的准确度。结果表明,基于贝叶斯方法的局部预测率和全局预测率分别为73.1%和76.1%。这不仅表明贝叶斯方法适合于蛋白质耐热性的分类,而且也证明了氨基酸含量的确对蛋白质耐热性有重要作用。     

超氧化物歧化酶氨基酸网络的鲁棒性研究

蛋白质结构的鲁棒性能够提高蛋白质在不稳定环境中保持生物功能的能力。用氨基酸网络表示超氧化物歧化酶(Fe-SOD)的结构,从研究氨基酸网络鲁棒性的角度研究Fe-SOD结构的鲁棒性。实验结果显示,氨基酸网络的鲁棒性比同等规模大小的随机网络的鲁棒性差。尤其以介数方式攻击,Fe-SOD氨基酸网络表现出明显的脆弱性。嗜热的Fe-SOD氨基酸网络的鲁棒性比常温的氨基酸网络的鲁棒性高。通过鲁棒性分析,识别氨基酸网络中关键残基,发现关键残基主要包括进化保守残基、疏水性残基、规则二级结构内部的残基以及Fe-SOD活性位点残基。与热稳定性低的Fe-SOD氨基酸网络相比,热稳定性高的Fe-SOD氨基酸网络中的关键残基较均匀地分布在Fe-SOD内部。关键残基在Fe-SOD结构中均匀分布,有利于提高嗜热Fe-SOD整体的稳定性。     

基于SVM和KNN的蛋白质耐热性分类

以氨基酸含量为特征向量,研究了SVM和KNN预测蛋白质耐热性的准确度。结果表明,基于SVM的分类效果较好,其局部预测率和全局预测率分别为82.4%和83.4%;而基于KNN方法的局部预测率和全局预测率分别为77.6%和79.9%。两种方法的预测率均表明氨基酸含量是影响蛋白质耐热性的主要因素。     

以序列特征值预测酶和非酶蛋白及内含肽

利用生物信息学快速准确鉴别酶、非酶蛋白及内含肽能极大提高实验效率,而测序数量的指数型增长使酶、非酶蛋白及内含肽的自动分类尤显重要。本文获取了同一性小于25%的序列共计3853条,采用Z标度的伪氨基酸组成和氨基酸组成分布提取序列特征值识别酶、非酶蛋白及内含肽。结果表明,该特征值提取方法经参数优化后,即当λ=5,w=0.15时,以支持向量机为分类器,其10倍交叉验证的精度可达81.3%,ROC曲线下面积为0.83;其精度高于其它方法0.5%到12.9%不等;独立样本测试的预测精度可达71.2%,ROC曲线下面积为0.782,其精度高于其它方法0.4%到6.4%不等,效果均优于其它常见的序列特征值方法。本文结果说明从序列出发判断其归属是可行的,3种不同功能的分子在序列特征上存在一定的差异,所建立的Z标度的伪氨基酸组成和氨基酸组成分布法可用于其它类似的生物信息学问题。建立了从序列出发预测酶、非酶蛋白及内含肽的新方法。     

氨基酸态氮对番茄产量、品质及风味的影响

在温室基质栽培条件下,以不同比例(28.57%和57.14%)的氨基酸态氮分别代替无机营养液里的硝态氮,制成低浓度和高浓度氨基酸营养液。研究了不同浓度氨基酸态氮对番茄产量、品质及风味的影响。结果表明:在营养液总氮含量相同的条件下,低浓度和高浓度氨基酸态氮对番茄的增产效应都与硝态氮相当。低浓度氨基酸态氮提高了番茄可溶性糖含量,高浓度氨基酸态氮降低了番茄Vc的含量,氨基酸态氮一定程度降低了番茄的硝酸盐含量。感官评价结果显示,氨基酸态氮营养液与无机营养液种植的番茄相比,风味没有显著差异。因此,氨基酸可以作为番茄的氮源,但在总氮中的比例不宜超过50%。     

α-淀粉酶氨基酸含量与其最适温度的关系

α-淀粉酶在许多工业领域中均有广泛应用,但大多数α-淀粉酶必须改造才能满足苛刻的温度条件,因此α-淀粉酶温度改造的蛋白质工程已经开始。通过对酶的理性设计可以创造新的酶。这一技术实现,依赖于两大技术的发明,即基因工程中的定点诱变技术和生物信息学。在本文中,构建了α-淀粉酶序列库和α-淀粉酶温度序列库。通过对α-淀粉酶温度序列库进行多元回归分析,得到预测α-淀粉酶的最适温度的方程。预测了α-淀粉酶的最适温度,相关系数为0．959 71。分析方程中各种氨基酸系数,发现:半胱氨酸对α-淀粉酶最适温度影响最大。极性氨基酸影响强;大多数氨基酸会降低α-淀粉酶的最适温度。这些信息将有助于α-淀粉酶的温度改造工程。