基于SVM的蛋白質可溶性預測及HBV中變異的模式分析研究.pdf

1、蛋白質是人類生命活動息息相關的生物大分子，本文從計算科學的角度研究分析蛋白質。本文主要分為兩個部分:第一部分通過分析提取蛋白質的特征然后應用SVM的方法從蛋白質的一級結構出發(fā)預測蛋白質的可溶性;第二部分從統(tǒng)計模式分析并應用計算機軟件方法，探索乙肝病毒氨基酸的變異模式。
　　1)在機器學習中，特征作為學習數據的表示，特征選擇結果的好壞直接影響著分類器的分類精度和泛化性能，因此有效的特征選擇方法至關重要。支持向量機作為目前應用最廣泛的

2、機器學習模型之一，在文本分類、圖像識別、生物信息學等各個方面都有重要的應用。蛋白質作為一切細胞、組織的重要成分，在生命活動中扮演著決定性的作用，蛋白質的是否可溶，決定了它是否能發(fā)揮功能，而且有一系列的疾病都是由于機體的蛋白質可溶性發(fā)生變化造成的，因此，蛋白質的可溶性的重要程度毋庸置疑。本文應用SVM的模型，根據蛋白質氨基酸的理化性質以及蛋白質的序列特征，從計算科學的角度出發(fā)，訓練出蛋白質可溶性預測的模型，然后應用得到的模型預測新的蛋白質

3、序列的可溶性。經過與前人工作的比較，我們得到分類效果較優(yōu)的蛋白質可溶性特征以及預測模型。
　　2)乙型肝炎是一種流行性廣、危害嚴重的傳染性炎癥疾病，目前尚無徹底的根治方法，只能通過有效的疫苗接種來預防。本文應用統(tǒng)計分析的方法，研究乙型肝炎病毒蛋白質的變異數據，分析該病毒四種蛋白質中氨基酸的變異趨勢，找到部分氨基酸變異的模式;然后運用模式分析軟件，分析乙型肝炎病毒四個蛋白質的抗原表位，結合氨基酸的變異信息，得到變異比較活躍的抗原表位