基于多數(shù)據(jù)源融合的蛋白質(zhì)功能預測方法研究.pdf

1、隨著基因組測序的完成，生物學研究進入到了后基因組時代，其關鍵領域之一是對揭示生命活動現(xiàn)象極為重要的蛋白質(zhì)組學的研究。蛋白質(zhì)是細胞主要組成成分，其承擔著生物體的生命基礎以及生物功能。作為蛋白質(zhì)組學研究的重要方向之一，確定蛋白質(zhì)的功能對了解生物體運行機能、細胞結構、疾病診斷以及改良作物等具有重要意義。目前，精確的注釋蛋白質(zhì)功能主要通過生物實驗方法，然而該方法受實現(xiàn)成本高、耗費時間長以及人為因素等限制。因此，近些年對蛋白質(zhì)高通量數(shù)據(jù)使用計算方

2、法來預測大量蛋白質(zhì)的功能成為一種趨勢。隨著基因芯片、生物質(zhì)譜等技術的發(fā)展，產(chǎn)生了多種蛋白質(zhì)高通量數(shù)據(jù)，包括基因表達、蛋白質(zhì)序列以及蛋白質(zhì)相互作用等。不同的數(shù)據(jù)從各自不同的角度體現(xiàn)蛋白質(zhì)功能信息，如何有效地利用各數(shù)據(jù)源信息來整合這些異構蛋白質(zhì)數(shù)據(jù)對準確預測蛋白質(zhì)功能至關重要。
　　蛋白質(zhì)功能預測是一個多樣本多標簽問題，可通過已知蛋白質(zhì)注釋信息來預測未注釋蛋白質(zhì)功能。一個特定功能通常不是由某個蛋白質(zhì)單獨實現(xiàn)的，而是由多種蛋白質(zhì)組成復合

3、物來執(zhí)行，即蛋白質(zhì)之間存在相互作用關系。考慮到相互作用網(wǎng)絡中同時包含已注釋蛋白質(zhì)和未注釋蛋白質(zhì)，可使用基于半監(jiān)督學習的相關圖理論來預測功能。本文提出了基于多數(shù)據(jù)源融合的標簽傳播算法的功能預測方法。針對每種數(shù)據(jù)源，計算蛋白質(zhì)之間的相似性值，并選取較大的相似性值構建相互作用網(wǎng)絡。該方法使用樸素貝葉斯模型融合多數(shù)據(jù)源網(wǎng)絡，并利用標簽傳播算法將已注釋蛋白質(zhì)功能經(jīng)過多輪傳遞到未注釋蛋白質(zhì)，最后得到所有功能的得分向量。在酵母數(shù)據(jù)集交叉驗證結果表明本

4、文方法具有更高的平均查準率、較低的覆蓋度，且明顯優(yōu)于單數(shù)據(jù)源方法。
　　通過統(tǒng)計分析可知相關功能一般共同注釋于一些蛋白質(zhì)，并且基因本體術語具有注釋相關性，即蛋白質(zhì)注釋子術語，則同時也注釋其相關父術語。因此，本文采用杰卡德相似系數(shù)計算功能之間的注釋相關性構建功能相關性網(wǎng)絡，將其引入功能預測模型來提高預測精度。將功能相關性網(wǎng)絡結合到蛋白質(zhì)相互作用網(wǎng)絡構建雙重索引矩陣，并使用隨機游走模型預測蛋白質(zhì)功能。通過在酵母數(shù)據(jù)集上的實驗結果可知該