人类的基因组织的计划早在几年前就开始了，并且在研究的过程中产生了大量的分子学数据，我们需要对这些数据进行计算和分析，我们探索的这些问题已经成为我们研究的热点问题了。动植物体内的蛋白质预测的功能已经为基因的发展奠定了核心基础，全自动定氮仪的使用也开始渐渐的广泛化。数据挖掘、机器学习及人工神经网络等方法已被广泛应用到蛋白质功能预测的研究中。完整的蛋白质组是一个动态的研究对象,其功能预测涉及大量的信息,因此预测效果不太理想。本文介绍的方法是基于序列的蛋白质功能预测方法的又一次尝试。

蛋白质分组重量编码主要利用物理学中的粗粒化0思想,已成功应用到蛋白质结构预测研究。蛋白质结构可为其功能提供大量信息,因此,将蛋白质分组重量编码结合最近邻居算法应用于蛋白质功能预测研究。EBGW不仅提取氨基酸的物化特性, 而且更多的提取蛋白质序列中各类氨基酸的分布情况。

最近邻居算法的基本思想是在多维空间中找到与未知样本最近距离的点,并根据这个点的类别来判断未知样本的类。蛋白质分组重量编码已经成功应用于蛋白质结构预测研究中,而蛋白质结构可以提供关于蛋白质功能的初步信息。蛋白质分组重量编码作为蛋白质序列信息的数值表示,能够充分提取序列中蕴含的结构信息,有效的应用于蛋白质结构预测中, 从而间接的为蛋白质功能预测提供功能信息。蛋白质行使某种功能,决定因素之一是氨基酸的物化特性,而不是具体的某个氨基酸。

编码方式很好地刻画了序列中的这种决定功能的本质特征。同时,尽管蛋白质之间的相互作用可以作为蛋白质功能预测的因素,但是,单纯从蛋白质之间的相互作用提取功能信息,并不能很好地表达这种氨基酸的物化特性决定蛋白质功能的特征。因此,蛋白质的分组重量编码与蛋白质之间相互作用的有效结合是后续工作的突破口。分组重量编码与最近邻居法结合的思想仅从蛋白质序列出发,能够全面提取序列信息,不受其它蛋白质的制约,同时对于序列的长度不敏感。分组重量编码结合最近邻居算法,计算简单,可以准确的将未知功能的蛋白质进行功能分类。同时,分组重量编码所包含的信息量大,特别是在蛋白质-蛋白质相互作用信息未知、而仅采用序列信息的情况下,不受已知蛋白质-蛋白质相互作用信息量少的限制,有效地提取蛋白质序列中蕴含的功能信息,进行蛋白质功能预测。中国粮油仪器网  http://www.grainyq.com/