论文部分内容阅读
众所周知,金属离子在生命进程中扮演重要角色。超过三分之一的蛋白质结构中包含有金属离子,它们参与了酶催化,维持蛋白质结构,以及扮演监管角色。这些功能均通过蛋白质与金属离子配体的相互作用来实现。因此识别蛋白质中的金属离子结合残基极为重要,这对分子药物的设计具有指导价值。基于序列信息识别蛋白质中金属离子结合残基,主要工作如下:(1)十种金属离子Zn2+,Cu2+,Fe2+,Fe3+,Ca2+,Mg2+,Mn2+,Na+,K+和Co2+结合残基数据集均来自BioLiP数据库,筛选分辨率好于3?,序列长度大于50个残基和序列同源性低于30%的蛋白质链。使用滑动窗口方法得到了十种金属离子的最佳窗口分别为7,13,9,9,9,9,7,9,11,11。(2)对十种金属离子结合残基数据集进行统计分析,发现位点氨基酸具有较强的保守性,以位点氨基酸为特征参数用位置权重矩阵打分算法对十种金属离子结合残基进行识别,五交叉检验下的总精度高于62.7%,马氏相关系数高于0.335。结果显示Zn2+,Cu2+,Fe2+,Fe3+和Co2+配体结合残基的结果较好,而Ca2+,Mg2+,Mn2+,Na+和K+配体结合残基的结果并不理想。(3)为了进一步提高识别结果,通过研究结合残基的生物背景,添加了氨基酸组分、亲疏水、极化电荷、预测的二级结构和溶剂可及性面积信息作为特征参数。为了避免支持向量机算法的过训练,使用矩阵打分和离散增量算法将一些特征降维优化,并输入到支持向量机对十种金属离子结合残基进行识别。五交叉检验下得到了较好的识别结果,预测的总精度和马氏相关系数均高于74.8%和0.502。并通过组合特征参数的支持向量机计算,分析了各种金属离子配体结合残基对特征参数的敏感性。为了增强模型的实用性,对金属离子数据集进行了独立检验,并与前人研究的结果进行了对比,发现预测趋势与前人的结果一致。(4)引进了随机森林算法。把与SVM算法相同的组合特征参数输入随机森林算法中,五交叉检验下的识别结果略低于SVM算法下的识别结果。将未优化降维的特征参数输入随机森林算法中,五交叉检验下的识别结果比SVM算法下的识别结果稍好,尤其是对Ca2+,Mg2+,Mn2+配体。(5)搭建了预测平台,建立了一个金属离子配体结合残基的在线预测服务网站,免费对外开放,为相关研究提供便利和帮助。