基于贝叶斯网络的DNA序列剪接位点预测

采用基于贝叶斯网络的建模方法,预测真核生物DNA序列中的剪接位点．分别建立了供体位点和受体位点模型,并根据两种位点的生物学特性,对模型的拓扑结构和上下游节点的选择进行了优化．通过贝叶斯网络的最大似然学习算法求出模型参数后,利用10分组交互验证方法对测试数据进行剪接位点预测。结果显示,受体位点的平均预测准确率为92．5％,伪受体位点的平均预测准确率为94．0％,供体位点的平均预测准确率为92．3％,伪供体位点的平均预测准确率为93．5％,整体效果要好于基于使用独立和条件概率矩阵、以及隐Markov模型的预测方法．表明利用贝叶斯网络对剪接位点建模是预测剪接位点的一种有效手段．     

基于信息熵的磷酸化作用预测

磷酸化作用在多种真核细胞中具有重要的功能. 由于对蛋白质激酶底物的实验测定方法限制较多, 同时费时费力, 因此急需发展快速、自动的机器学习方法. 利用蛋白质的一级序列信息可以对不同激酶家族作用的磷酸化位点进行预测, 同时也是对实验的一种补充和指导. 如果仅对磷酸化位点附近的短肽序列进行处理会丢失相当的信息, 将对预测结果造成一定影响. 提出了一种基于信息熵的磷酸化位点预测方法IEPP(information-entropy based phosphorylation prediction), 利用熵信息对磷酸化位点周围的氨基酸位点进行选择和排除, 仅选择对磷酸化作用有效的位点参与预测. 对3个代表性激酶家族ABL, MAPK和PKA的测试表明, 敏感性(Sn)和专一性(Sp)均好于较新的PPSP和GPS算法的结果. 而且同一些在线预测网站的实时测试, 如Scansite等相比, 结果也要好于这些测试方法. 这些都证明了本研究提出的方案是一种有效的磷酸化作用位点预测方法, 且具有简单、高效、实时性好等优点.     

基于支持向量机方法的蛋白可溶性预测

按照蛋白质序列中残基的相对可溶性,将其分为两类(表面／内部)和三类(表面／中间／内部)进行预测。选择不同窗宽和参数对数据进行训练和预测,以确保得到最好的分类效果,并同其他已有方法进行比较。对同一数据集不同分类阈值的预测结果显示,支持向量机方法对蛋白质可溶性的整体预测效果优于神经网络和信息论的方法。其中,对两类数据的最优分类结果达到79．0％,对三类数据的最优分类结果达到67．5％,表明支持向量机是蛋白质残基可溶性预测的一种有效方法。     

基于信息熵的磷酸化作用预测

磷酸化作用在多种真核细胞中具有重要的功能. 由于对蛋白质激酶底物的实验测定方法限制较多, 同时费时费力, 因此急需发展快速、自动的机器学习方法. 利用蛋白质的一级序列信息可以对不同激酶家族作用的磷酸化位点进行预测, 同时也是对实验的一种补充和指导. 如果仅对磷酸化位点附近的短肽序列进行处理会丢失相当的信息, 将对预测结果造成一定影响. 提出了一种基于信息熵的磷酸化位点预测方法IEPP(information-entropy based phosphorylation prediction), 利用熵信息对磷酸化位点周围的氨基酸位点进行选择和排除, 仅选择对磷酸化作用有效的位点参与预测. 对3个代表性激酶家族ABL, MAPK和PKA的测试表明, 敏感性(Sn)和专一性(Sp)均好于较新的PPSP和GPS算法的结果. 而且同一些在线预测网站的实时测试, 如Scansite等相比, 结果也要好于这些测试方法. 这些都证明了本研究提出的方案是一种有效的磷酸化作用位点预测方法, 且具有简单、高效、实时性好等优点.     

基于支持向量机方法的蛋白质氨基酸残基可溶性预测

按照蛋白质序列中残基的相对可溶性,将其分为两类(表面/内部)和三类(表面/中间/内部)进行预测.选择不同窗宽和参数对数据进行训练和预测,以确保得到最好的分类效果,并同其他已有方法进行比较.对同一数据集不同分类阈值的预测结果显示,支持向量机方法对蛋白质可溶性的整体预测效果优于神经网络和信息论的方法.其中,对两类数据的最优分类结果达到79.0%,对三类数据的最优分类结果达到67.5%,表明支持向量机是蛋白质残基可溶性预测的一种有效方法.     

中国在翻译后修饰的生物信息学研究领域的进展与前瞻

翻译后修饰在调控蛋白质构象变化、活性以及功能方面具有重要作用,并参与了几乎所有细胞通路和过程。蛋白质翻译后修饰的鉴定是阐明细胞内分子机理的基础。相对于劳动密集的、耗费时间的实验工作,利用各种生物信息学方法开展翻译后修饰预测,能够提供准确、简便和快速的研究方案,并产生有价值的信息为进一步实验研究提供参考。文章主要综述了中国生物信息学者在翻译后修饰生物信息学领域所取得的研究进展,包括修饰底物与位点预测的计算方法学设计与完善、在线或本地化工具的设计与维护、修饰相关数据库及数据资源的构建及基于修饰蛋白质组学数据的生物信息学分析。通过比较国内外的同类研究,发现优势和不足,并对未来的研究作出前瞻。     

基于SNP数据检测染色体拷贝数结果可信度分析

利用SNP数据检测肿瘤细胞染色体拷贝数变异是癌症相关研究的一个热点,目前已有多种方法可以通过分析SNP array数据检测染色体拷贝数。然而在某些情况下,这些检测方法检测结果与真实拷贝数具有一定错误率。目前并没有方法研究预测结果发生错误的规律。本文分别分析了GPHMM,ASCAT两种检测方法结果信息熵与检测正确率的关系,发现检测正确率与信息熵存在很强的相关性。通过对比不同肿瘤细胞比例下信息熵与正确率关系,本文发现随着肿瘤细胞比例的增大,检测结果信息熵平均值增大,方差减小;同时平均检测正确率也越来越大,方差显著减小。这些结果显示信息熵的大小可以反映出检测结果正确率的高低。最后,本文以高肿瘤细胞比例下拷贝数检测结果为例,研究了在变异类型单一,信息熵小的情况下,染色体倍性检测的正确率。结果表明信息熵可以作为衡量检测结果可信度的指标：即信息熵越高,检测结果越可信。