论文部分内容阅读
噬菌体是一种杀死细菌的病毒,特别是对已经产生抗药性的细菌。噬菌体在繁殖后代的过程中,分泌的水解酶是杀死细菌的关键物质,所以准确识别噬菌体酶和噬菌体编码的水解酶对细菌引发的疾病有着极大帮助。虽然利用生物化学的方法可以准确识别噬菌体水解酶并清楚的阐明酶的功能机制,但这种方法既耗时又昂贵。针对这一问题,本课题利用特征融合技术和机器学习(ML)算法构建了噬菌水解酶预测系统,论文主要研究工作如下:(1)样本的数字特征的提取与基于方差分析算法的特征融合。首先噬菌体酶和噬菌体水解酶样本被转化为四种数字特征,分别是G间隔二肽(GGDP)、伪氨基酸(Pse AAC)、成组的三肽(GTPC)和组成转变分布信息(CTD)。由于单类别特征对样本数据的表达效果不佳,所以这四种特征被组合为三组结合向量表达样本,第一组:GGDP和Pse AAC;第二组:GTPC和CTD;第三组:GGDP、PseAAC、GTPC和CTD。方差分析算法对结合向量中的无用特征进行了剔除使得多种特征融为一体。通过特征组合对比实验,噬菌体酶样本特征利用第三组结合向量为最佳的融合特征,而噬菌体水解酶最佳融合特征为第一组结合向量。(2)构建基于融合特征的噬菌体酶识别模型。噬菌体水解酶模型的构建分为两个阶段,首先构建噬菌体酶预测模型用于识别预测样本是否为噬菌体酶,然后建立噬菌体水解酶模型识别被标记为噬菌体酶的预测样本是否为噬菌体水解酶。对于噬菌体酶预测模型的建立,包含所有特征信息的第三组融合特征作为模型的输入向量,支持向量机(SVM)用于构建分类模型。在留一法交叉验证测试下,噬菌体酶预测模型的马修斯相关系数、受试者工作特性曲线下的面积和总体精度分别是0.703、89.7%和85.1%。(3)构建基于融合特征的噬菌体水解识别模型。当预测样本被标记为噬菌体酶时,需要进一步构建噬菌体水解酶模型,识别预测样本是否为噬菌体酶水解酶。噬菌体水解酶的预测模型构建与噬菌体酶模型保持一致,均为SVM。而在输入向量方面,噬菌体水解酶则为第三组融合特征。同样地,在留一法交叉验证测试下,噬菌体水解酶预测模型对噬菌体水解酶的识别精度为96%,非菌体水解酶的识别精度为93%,总体精度达到94.3%。(4)噬菌体水解酶在线预测系统的设计与开发。将本文设计的噬菌体酶和噬菌体水解酶预测模型集成为在线预测系统(网址为:www.predic.top)。系统使用python语言和FLASK框架进行搭建。在预测模块中,可对用户上传的FASTA格式的样本数据集进行批量快速地预测噬菌体水解酶和非噬菌体水解酶。此外,系统还设计了训练模块,集成了四种机器学习算法,方便研究人员对模型进行训练;在手册模块中,可以下载本文使用的实验数据;用户可通过联系模块发送邮件咨询实验或系统的相关问题。