基于智能計(jì)算的蛋白質(zhì)及其相互作用算法分析

目錄
前言
第1章 緒論 1
1.1 蛋白質(zhì)與蛋白質(zhì)組學(xué) 1
1.2 蛋白質(zhì)的結(jié)構(gòu)與功能 2
1.2.1 蛋白質(zhì)的結(jié)構(gòu)層次 3
1.2.2 蛋白質(zhì)的功能 4
1.2.3 蛋白質(zhì)結(jié)構(gòu)與功能的關(guān)系 5
1.2.4 蛋白質(zhì)的空間折疊結(jié)構(gòu) 5
1.3 蛋白質(zhì)相互作用 6
1.3.1 蛋白質(zhì)-蛋白質(zhì)相互作用結(jié)合面的性質(zhì) 8
1.3.2 藥物-靶點(diǎn)蛋白相互作用 9
1.4 蛋白質(zhì)數(shù)據(jù)庫(kù) 10
1.5 生物實(shí)驗(yàn)方法 13
1.5.1 丙氨酸掃描突變實(shí)驗(yàn) 13
1.5.2 洗脫實(shí)驗(yàn) 14
1.5.3 高通量實(shí)驗(yàn)方法 15
1.6 智能計(jì)算方法 16
1.6.1 基于基因信息的方法 16
1.6.2 基于蛋白質(zhì)結(jié)構(gòu)信息的方法 17
1.6.3 基于氨基酸序列信息的方法 18
第2章 蛋白質(zhì)三維結(jié)構(gòu)預(yù)測(cè)分析 20
2.1 引言 20
2.2 蛋白質(zhì)折疊結(jié)構(gòu)優(yōu)化模型 21
2.2.1 二維AB非格模型 21
2.2.2 三維AB非格模型 22
2.3 基于遺傳退火算法的蛋白質(zhì)折疊結(jié)構(gòu)預(yù)測(cè)算法 24
2.3.1 遺傳退火算法 24
2.3.2 算法描述 26
2.3.3 局部微調(diào)遺傳退火算法 28
2.3.4 實(shí)驗(yàn)結(jié)果與分析 30
2.4 基于粒子群優(yōu)化算法的蛋白質(zhì)折疊結(jié)構(gòu)預(yù)測(cè) 39
2.4.1 多種群粒子群優(yōu)化算法 39
2.4.2 MPSO算法描述 42
2.4.3 基于MPSO算法的實(shí)驗(yàn)結(jié)果 43
2.4.4 自適應(yīng)分工粒子群優(yōu)化算法 45
2.4.5 自適應(yīng)分工粒子群優(yōu)化算法描述 48
2.4.6 基于自適應(yīng)分工粒子群優(yōu)化算法的實(shí)驗(yàn)結(jié)果 48
2.5 基于遺傳禁忌算法的蛋白質(zhì)折疊結(jié)構(gòu)預(yù)測(cè) 50
2.5.1 禁忌算法 50
2.5.2 禁忌算法優(yōu)化 51
2.5.3 遺傳禁忌算法優(yōu)化策略 52
2.5.4 實(shí)驗(yàn)結(jié)果與分析 56
第3章 蛋白質(zhì)相互作用熱點(diǎn)預(yù)測(cè) 60
3.1 引言 60
3.2 蛋白質(zhì)熱點(diǎn)殘基 60
3.3 熱點(diǎn)數(shù)據(jù)集 61
3.3.1 數(shù)據(jù)集的獲取與處理 61
3.3.2 理化結(jié)構(gòu)屬性 64
3.4 特征選擇策略 69
3.4.1 *小冗余*大相關(guān)特征選擇方法 69
3.4.2 相關(guān)系數(shù)特征選擇方法 70
3.4.3 支持向量機(jī)-遞歸特征剔除特征選擇方法 70
3.4.4 特征選擇結(jié)果 72
3.5 基于支持向量機(jī)的蛋白質(zhì)相互作用熱點(diǎn)預(yù)測(cè) 74
3.5.1 算法描述 74
3.5.2 性能評(píng)價(jià)指標(biāo) 78
3.5.3 實(shí)驗(yàn)結(jié)果與分析 79
3.6 基于集成學(xué)習(xí)的蛋白質(zhì)相互作用熱點(diǎn)預(yù)測(cè) 81
3.6.1 Boosting算法 81
3.6.2 梯度提升算法 82
3.6.3 隨機(jī)森林算法 83
3.6.4 實(shí)驗(yàn)結(jié)果與分析 85
3.7 基于合成少數(shù)類過(guò)采樣技術(shù)的蛋白質(zhì)相互作用熱點(diǎn)預(yù)測(cè)優(yōu)化 88
3.7.1 不平衡數(shù)據(jù)處理 88
3.7.2 基于SRF分類策略分析的熱點(diǎn)預(yù)測(cè) 89
3.7.3 基于SABoost算法的熱點(diǎn)預(yù)測(cè) 94
第4章 蛋白質(zhì)相互作用熱區(qū)預(yù)測(cè) 98
4.1 引言 98
4.2 基于多種序列特征提取預(yù)測(cè)蛋白質(zhì)相互作用 99
4.2.1 蛋白質(zhì)相互作用預(yù)測(cè)過(guò)程 99
4.2.2 蛋白質(zhì)序列特征提取 99
4.2.3 特征融合 101
4.2.4 實(shí)驗(yàn)結(jié)果與分析 104
4.3 基于復(fù)雜網(wǎng)絡(luò)和社區(qū)結(jié)構(gòu)的蛋白質(zhì)相互作用熱區(qū)預(yù)測(cè) 112
4.3.1 蛋白質(zhì)相互作用的復(fù)雜網(wǎng)絡(luò)特性 112
4.3.2 標(biāo)準(zhǔn)熱區(qū)定義 113
4.3.3 社區(qū)結(jié)構(gòu)探測(cè)方法 114
4.3.4 實(shí)驗(yàn)結(jié)果與分析 117
4.4 基于DICFC的蛋白質(zhì)相互作用熱區(qū)預(yù)測(cè) 121
4.4.1 基于蛋白質(zhì)殘基密度的增量型聚類 121
4.4.2 遞歸特征消除結(jié)合歸一化互信息特征選擇 122
4.4.3 基于ASEdb數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果 125
4.4.4 三維空間結(jié)構(gòu)評(píng)價(jià) 128
4.5 基于密度聚類和投票分類器的蛋白質(zhì)相互作用熱區(qū)預(yù)測(cè) 131
4.5.1 投票分類器模型 131
4.5.2 KDBSCAN密度聚類 133
4.5.3 實(shí)驗(yàn)結(jié)果 136
4.6 基于輪廓系數(shù)和K-means聚類的蛋白質(zhì)相互作用熱區(qū)預(yù)測(cè) 140
4.6.1 K-means算法 140
4.6.2 基于輪廓系數(shù)的k值優(yōu)化 140
4.7 蛋白質(zhì)相互作用熱區(qū)預(yù)測(cè)優(yōu)化策略 148
4.7.1 熱點(diǎn)回收策略 148
4.7.2 鄰居殘基優(yōu)化策略 151
4.7.3 PPRA優(yōu)化策略 155
4.8 基于序列保守性的熱區(qū)驗(yàn)證方法 158
4.8.1 直接同源基因 159
4.8.2 保守性得分函數(shù) 160
4.8.3 實(shí)驗(yàn)結(jié)果與分析 162
第5章 藥物-靶點(diǎn)相互作用預(yù)測(cè) 168
5.1 引言 168
5.2 研究現(xiàn)狀 168
5.2.1 基于半監(jiān)督學(xué)習(xí)的藥物-靶點(diǎn)相互作用研究 168
5.2.2 藥物-靶點(diǎn)結(jié)合親和力研究 169
5.3 數(shù)據(jù)集 170
5.3.1 DTI數(shù)據(jù)集 170
5.3.2 靶點(diǎn)-藥物結(jié)合親和力數(shù)據(jù)集 171
5.4 基于深度學(xué)習(xí)的藥物-靶點(diǎn)相互作用研究 172
5.4.1 輸入表示 172
5.4.2 預(yù)測(cè)模型 172
5.4.3 優(yōu)化損失函數(shù) 174
5.4.4 實(shí)驗(yàn)結(jié)果與分析 174
5.5 基于RF的藥物-靶點(diǎn)相互作用研究 177
5.5.1 靶點(diǎn)蛋白質(zhì)特征提取策略 177
5.5.2 藥物特征提取策略 178
5.5.3 特征組合策略 179
5.5.4 基于RF的藥物-靶點(diǎn)相互作用預(yù)測(cè) 180
5.5.5 實(shí)驗(yàn)結(jié)果與分析 182
5.6 基于子空間矩陣分解的藥物-靶點(diǎn)相互作用研究 183
5.6.1 SMF算法描述 184
5.6.2 實(shí)驗(yàn)結(jié)果與分析 186
5.7 基于自然語(yǔ)言表達(dá)的藥物蛋白質(zhì)-靶點(diǎn)結(jié)合親和力研究 188
5.7.1 分布式表達(dá)和詞嵌入 188
5.7.2 詞嵌入藥靶序列表達(dá) 189
5.7.3 基于深度學(xué)習(xí)組合模型的藥靶序列特征提取 191
5.7.4 實(shí)驗(yàn)結(jié)果與分析 195
參考文獻(xiàn) 199
附錄1 訓(xùn)練樣本集中的ΔΔG值 207
附錄2 測(cè)試樣本集的詳細(xì)信息 211
附錄3 Hub蛋白質(zhì)的部分?jǐn)?shù)據(jù)集 213