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.