基于序列信息的融合多种特征参数方法预测膜蛋白类型

不同类型的膜蛋白执行不同的功能,因此膜蛋白的分类对蛋白质功能的研究相当重要。根据膜蛋白在磷脂双分子层的分布特点,将膜蛋白序列进行等分处理,以每一部分的氨基酸组分为特征参数,利用离散增量算法对8类膜蛋白分类,得到的预测总精度为75.1%;对膜蛋白序列进行特定的氨基酸片段截取,利用位置矩阵打分算法对8类膜蛋白进行分类预测,以前后20个位点氨基酸组分为特征参数预测总精度分别为75.6%和72.7%。将等分后的离散增量值、氨基酸片段的打分值、稀有模体频数值、氨基酸物理化学特性的自交叉协方差值、二级结构频数值、超二级结构频数值、复杂超二级结构频数值组合作为特征参数,使用支持向量机算法对8类膜蛋白进行分类,获得了非常好的预测结果,独立检验预测总精度达到了93.9%。因此可以看出融合多特征参数的支持向量机算法要好于离散增量算法和位置矩阵打分算法,并且得到的预测结果要好于前人的研究结果。     

蛋白质中钙离子结合残基的识别

钙结合蛋白在诸多重要的生命进程中实现着不可替代的生物学功能。而这些功能的实现,均取决于蛋白质中配体结合残基与钙离子的相互作用。因此,对蛋白质中钙离子结合残基的识别是理解这种重要分子机制的有效手段。建立了396条非冗余蛋白质链共包含1952个钙离子结合残基的钙离子结合蛋白数据集,通过统计分析确定以17个氨基酸残基作为最佳片段长度。使用10交叉检验,以氨基酸组分为特征参数的离散增量算法的预测精度为62.4%,相关系数为0.25;以位点氨基酸保守性信息为特征参数的矩阵打分算法的预测精度为69.9%,相关系数为0.40;以离散增量值、矩阵打分值和自协方差值为特征参数的支持向量机算法的预测精度为75.0%,相关系数为0.50。     

蛋白质中四类简单超二级结构的分类

蛋白质超二级结构预测是三级结构预测的一个非常重要的中间步骤。本文从蛋白质的一级序列出发,运用了一种改进的预测算法:以氨基酸组分和紧邻氨基酸分别作为参数,输入离散增量算法的单分类器中,通过加权融合单分类器的计算结果,对四类超二级结构进行了预测,取得了较好的预测结果。四类超二级结构的平均预测总精度达到78.3%,Matthew’s相关系数在0.65以上。     

基于优化的GBM算法识别金属离子配体结合残基

金属离子配体具有体积小、灵活等特点,与蛋白质结合有着不同于其它配体的特殊性,因此准确的识别金属离子配体结合位点具有极强的挑战性.本文基于蛋白质的一级序列信息,选取了氨基酸及其物化特征、预测的二级结构信息为基础参数,利用离散增量算法和位置权重矩阵打分算法将这些高维特征投影至20维的向量空间并作为预测特征参数输入优化的GBM算法中,对10种金属离子配体结合残基进行了5交叉检验预测,得到了好于前人的预测结果.结果发现:每种金属离子配体偏好的优化参数不同,优化的GBM算法能给出最佳的预测结果.     

蛋白质中strand-loop-strand模体的分类

从蛋白质一级序列出发,以氨基酸紧邻关联为参数,用离散量的方法,采用5交叉检验,对蛋白质中的strand-loop-strand模体进行了分类.文中使用了两个数据库,采用了不同的截取方式和序列模式长,均得到了较好的预测效果.     

基于SVM整体分类器的Ca~(2+)和Mn~(2+)配体结合残基的识别

金属离子配体与蛋白质的相互作用,在诸多重要的生命进程中实现了不可替代的生物学功能,配体结合残基的预测对蛋白质生物功能的理解及药物设计有重要意义。工作中选取了Ca~(2+)和Mn~(2+)配体的结合残基数据集,从序列信息出发,提出了一种基于SVM整体分类器的预测方法。对Ca~(2+)配体结合残基,组合3分类器预测的总精度达到了71.45%,马氏相关系数达到了0.431;对Mn~(2+)配体结合残基,组合5分类器预测的总精度达到了81.00%,马氏相关系数达到了0.620。     

基于矩阵打分值和化学位移值预测酶蛋白质中β-发夹模体

酶是一类具有催化功能的蛋白质,对其结构和功能的研究是非常有必要的。特殊模体β-发夹是一种简单的超二级结构,它们包含了丰富的折叠信息,对酶中β-发夹的预测有助于酶结构和功能的预测。本文建立了非冗余的β-发夹模体数据集,包含1080条酶蛋白质链,2818个β-发夹模体,1098个非β-发夹。提取位点亲疏水组分及位点亲疏水紧邻关联组分作为参数,运用矩阵打分算法得到的预测结果不理想。将位点亲疏水、位点亲疏水紧邻关联组分为参数得到的打分值和平均化学位移值共同作为特征参数,输入支持向量机算法对模体进行预测,5交叉检验预测总精度是81.8%,相关系数达到了0.636。     

蛋白质β-发夹模体片断的识别

依据β-发夹氨基酸序列中的保守性特征,分别以氨基酸(20种氨基酸和一个空位)和氨基酸紧邻关联为参数,通过构建位置权重矩阵和选取氨基酸最佳序列模式片断,利用相似性打分函数,对蛋白质超二级结构β-发夹模体片断进行识别,获得了较好的预测效果.     

姜荷花叶绿素降解酶基因PAO的分离及特征

姜荷花是国内新兴的一种热带花卉,其不育苞片尖端带有由叶绿素形成的绿色沉着,严重影响观赏效果.获得叶绿素降解关键酶基因信息有利于后期通过分子育种手段来改良苞片的颜色.为了获得叶绿素降解的关键酶基因PAO信息,本试验在前期通过姜荷花全长转录组测序获得大量转录组信息的基础上,进行筛选分析,获得了2条PAO基因,分别命名为PAO1和PAO2.PAO1基因(Gen Bank:MT077180),c DNA序列全长1 794 bp,开放阅读框1 611 bp(10 bp～1 620 bp),编码一条536AA的氨基酸序列.PAO2基因(Gen Bank:MT077181),c DNA序列全长1 843 bp,开放阅读框1 611 bp (10 bp～1 620 bp),编码一条536AA的氨基酸序列.PAO1和PAO2的氨基酸序列,仅存在4个氨基酸残基的差异.采用Blast,Translate tool(Ex PASy),Clustal Omega,Find Conserved Domains(NCBI),ProtParam,TMHMM Server,SOPMA,SWISS-MODEL,Clustal X(1.81),MEGA4.1等预测和分析了这2个基因编码蛋白氨基酸的一级结构(包括氨基酸序列的组成、保守区、理化特征等)、二级结构、三级结构及分子系统进化关系.PAO1和PAO2的核苷酸与蛋白氨基酸序列与其他物种的PAO基因都具有很高的同源性,两者都包含PLN02518的保守区.分子系统进化分析表明,姜荷花的PAO1和PAO2组成的小类,与小果野芭蕉PAO(XP_009398041.1)的亲缘关系最为接近,然后与禾本科植物的PAO聚为一大类.本研究为后期通过分子手段改良姜荷花不育苞片的颜色提供基础,并为进一步丰富和探索叶绿素降解代谢理论提供铺垫.     

蛋白质超二级结构的分类及LOOP序列的统计分析

本文对6819个相似性小于40%的7个结构类的蛋白质序列进行分析、整理,给出五类超二级结构序列模式α-α、α-β、β-α、β-β hairpin和β-β link共61824个;并根据Loop的长度进一步分类,建立了相应的蛋白质超二级结构数据库,最后对五类超二级结构中loop序列的氨基酸使用进行了统计分析,并与相关工作做了比较.     

27类蛋白质折叠子的识别及其位点的统计分析

从蛋白质的氨基酸序列出发,采用全体分类的分类策略识别27类折叠子.当使用5种矩阵打分的方法识别27类折叠子时,预测结果并不理想,进一步使用了以矩阵打分方法得到的分值及氨基酸的二肽组分共同作为参数的离散增量算法,取得了较好预测效果.总的预测成功率达到了45.43%.     

蛋白质规则二级结构中亲-疏水氨基酸的相对使用频率

本文将氨基酸据亲－疏水性按10度简,5度简并进行分类，然后映射于蛋白质规则二级结构中进行计算，用以寻找规则二级结构中亲－疏水氨基酸的使用规律性。     

几种氨基酸和植物提取物对鲤、鲫鱼诱食活性的初步研究

本试检采取迷宫法,做了氨基酸单体、氨基酸不同组合,以及一种复合氨基酸与几种植物提取物的混合物对鲤、脚鱼的诱食活性试验。结果表明：1．低浓度的DL一甲硫氨酸对鲤鱼有显著的引诱作用（P＜0．05）,而高浓度的甘氨酸对鲫鱼则有显著的抑制作用（P＜0．05）。2．L一缅氨酸＋L－组氨酸＋L－精氨酸（组合1）对鲤鱼的引诱作用极为显著（P＜0．01）。L－本丙氨酸＋L－组氨酸＋L－精氨酸（组合2）对卿鱼有极强的引诱作用（P＜0．01）在组合2中加入10ml丁香油对哪色仍然有极强的引诱作用（p＜0．01）;当加入10ml15％的香果提取液对鲫鱼引诱效果不显著,但对鲤鱼却有极强的引诱作用（p＜0．05）;当加入大蒜、香精、丁香等植物提取物则对鲤鲫鱼都有显著的抑制作用（P＜0．05）。     

基于最小一乘的GA-SVR用电量预测

基于最小一乘准则和交叉验证思想下,提出了一种基于自适应遗传算法参数寻优的支持向量回归机模型。该模型采用最小一乘准则作为训练标准,提高了模型的整体稳定性。使用自适应遗传算法对支持向量回归模型进行参数寻优,加快了训练时间,提升了预测精度,同时,交叉验证方法的采用,又进一步地提升了模型的泛化能力和预测精度。采用该模型对江苏省全社会用电量进行预测的结果表明,其预测精度要优于传统的支持向量回归模型和一般的粒子群优化支持向量回归模型。     

人的α螺旋和β折叠片断中亲疏水氨基酸多肽片断

本文选取人的α螺旋和β折叠规则二级结构，计算其中所含亲－疏水性氨基酸的多肽片断，找出多肽片断分布规律，并给出多肽片断在规则二级结构中的位置。     

中国资本有效税收负担分析

研究资本的有效税收负担问题,对保持经济持续发展的税收政策调整、税收体制改革具有重要的现实意义。资本的有效税收负担有两种衡量办法:一是平均有效税负,体现的是资本税收对资本收益的影响;二是边际有效税负,体现的是边际税收楔子思想。实证分析结果表明,我国资本平均有效税负在5%~6%之间,资本的边际有效税负在24%~27%之间。由于我国的经济发展仍需要依靠增加投资来维持较高的增长速度,因此,影响投资意愿和投资规模的资本边际税负略显偏高。     

RNA二级结构分析方法及在植物系统学研究上的应用

随着生物信息学的发展,对RNA二级结构预测的准确性大大提高,使得RNA二级结构作为系统学资料成为可能。由于RNA二级结构更为保守,与功能的关系更为密切,利用它可以构建出更为自然的系统树,本文从RNA二级结构的获得及应用方面进行了简要综述。