一種蛋白質與rna相互作用位點計算識別方法

2024-04-03 03:39:05

專利名稱：一種蛋白質與rna相互作用位點計算識別方法
技術領域：
本發明涉及一種生物大分子相互作用識別方法，特別是一種蛋白質與RNA相互作 用位點計算識別方法。
背景技術：
蛋白質-RNA相互作用在眾多生物活動中擔任重要角色，涉及基因表達調節、蛋白 質合成及許多病毒複製與裝配等過程(Noller， Science, 2005， 309 :1508)。計算識別蛋白 質與RNA相互作用對於設計生物學實驗並解析兩者相互作用特徵，深入理解蛋白質如何識 別RNA至關重要。然而，蛋白質與RNA相互作用位點預測卻是近幾年才開始的。主要原因 是已經測得蛋白質和RNA複合體結構數量較少。目前發展的方法有神經網絡(Jeong et al. ， Genome Inform. Ser. Workshop Genome Inform. ，2004， 15 :105)，貝B十其j 統計計算方 法(Terribilini. RNA， 2006， 12(1) :l)，支持向量機(Wang et al. ， Nucleic Acids Res.， 2006， Web Serverlssue， W243)等。 但現有的識別方法都存在無法同時獲得較高靈敏度和特異性的問題，並且預測正 確率仍然不高(Terribilini et al. ， RNA，2006 12 :1450 ;Nucleic AcidsResearch， 2007， 35(5) :1)，因此有必要開發具有較高靈敏度、特異度和預測正確率的蛋白質與RNA相互作 用位點識別方法。

發明內容
有鑑於此，為了解決上述問題，本發明提供了一種蛋白質與RNA相互作用位點計 算識別方法，其可用於蛋白質與RNA相互作用位點預測及特異性分析。
本發明的目的是這樣實現的一種蛋白質與RNA相互作用位點計算識別方法，包 括如下步驟 a)具體包括al)精選20種胺基酸的640種二維性質參數；a2)對640種性質參數 做主成分分析，得到12個主成分；a3)計算各主成分得分，建立胺基酸二維性質得分；
b)用胺基酸二維性質得分表徵蛋白質與RNA相互作用位點的結構特徵，其中的每 個胺基酸用12個胺基酸二維性質得分表徵； c)用遺傳算法挑選同蛋白質與RNA相互作用位點特徵密切相關的性質參數，並作 為模型的輸入變量； d)應用徑向基核支持向量機建立蛋白質與RNA相互作用位點識別模型，以自取代 檢驗，留1/5法交互檢驗以及外部檢驗驗證模型的預測能力，將每個樣本的輸入變量帶入 模型並計算識別蛋白質與RNA相互作用位點。 本發明的一種蛋白質與RNA相互作用位點計算識別方法，其中選取的胺基酸二維
性質得分所含信息量大、表徵能力強、拓展性能好及操作簡便；遺傳算法可以很好地挑選同 蛋白質與RNA相互作用位點特徵密切相關的性質參數；徑向基核支持向量機通過核函數技 術，可以有效的防止模型的過擬合，並具有良好的泛化性能；採用的自取代檢驗，留1/5法交互檢驗及外部檢驗驗證方法可以較大程度地保證所建方法的預測能力。 本發明的其它優點、目標和特徵在某種程度上將在隨後的說明書中進行闡述，並
且在某種程度上，基於對下文的考察研究對本領域技術人員而言將是顯而易見的，或者可
以從本發明的實踐中得到教導。本發明的目標和其他優點可以通過下面的說明書，權利要
求書，以及附圖
中所特別指出的結構來實現和獲得。
具體實施例方式
以下對採用本發明的方法用於蛋白質與RNA相互作用位點識別為例進行詳細的 描述，包括以下步驟 a)精選20種天然胺基酸的640種二維性質參數，包括分子電性作用矢量，分
子電距矢量和全息分子電距矢量，拓撲，拓撲電荷指數，運轉和路徑數目，邊緣鄰接指數，
Burden特徵值，自相關，連接性指數，信息指數和特徵值指數。 表1 20種天然胺基酸的640種二維性質參數的12個主成分得分,rf a主成分主成分主成分主成分主成分主成分主成分主成分主成分主成分主成分主成分
胺基酸3
l23456789101112
A-1.4960.989-0.2980.895-0.633-O細0.328-0.1640.144-0.6660.970-1.159
E-0.031-0.1570.929-0.5910.2610,3640.5761.119-0.255-0.634-0.823-0.544
0.007-.548-1.3810.3700.360-0.5461.0280.6500.6930.498-1.513-1.573
S-1.3030.3130.202-0.574-1.100-0.849-1.083-0.585-0.632-0.8261.3620.553
R0.677-1.1971.7011.269-0.864-0.487-0.618-2.4400.0761.3840.096-0.317
Q-O細-0.1850.973-0.5720.3040.1480.6840.962-0.516-0.5630.440-1.616
K0,523-1.8510.6001.6940.2580.365-0.9780.650-1.400-1.832-0.8050.341
T-0.370-0.256-0.463-0.572-1.1%0.595-0.267-0.165-1.200-0.5581.3320.343
N-0.0770.1300.973-1.722-0.531-0.130.0170.3380.3621.383-0.2280.344
G-1.4821.3570.6392.0960.233-0.4901.3940.7620.6060.592-0.5601.431
M-0.013-0.7740.537-0.3622.867-1.210-1.334l麓0.3621.4741.3320.680
W2.6141.360-1.1880.477-1.671-0.945-1.2731.3370.345-0.465-0.2400.334
D-0.8350.7471.272-1.736-0.5330.1680.222O.楊-0.7920.838-0.8050.343
H0.0600.3550.938-0.2980.3691.203-0.267-0.5763.046-0.9121.4240.189
F1.4880.452-0.7650.8001.0200.6831.253-1.071-0.805-0.270-0.544-0.508
Y1.3811.152-0.4130.0430.8940.1051.522-1.503-1.3930,4620.4760.645
C-0.2991.078-0.304-0.7100.704-0.970-1.275-1.2960.205-1.331-2,035-0.160
I-0.289-1.222-1.395-0.337-0.633-0.2730.544-0.1010.7090.7700.4482.479
P-0,3550.365-1.4630.1920.3633,278-1.4750.650-0.2621.394-0,805-0.535
V-0.199-1.111-1.094-0.362-0.474-0.139l扁-0.0410.709-0.7390.478-1.270
特徵值652.11145.35101.5670.2354.8945.0038.2331.3525.3320.465.3410.33
方差(o/t048.1512.497.785.714.393.873.312.852.501.861.59134
累積方 差(％)48.1560.6468.4274.1378.5282.3985.7088.5591.0592,9194.5095.84 a20種天然胺基酸用常規的單個英文字母表示。 採用主成分分析處理640種性質參數，得到12個主成分，其累計解釋原始數據 矩陣(20X640)95. 84%的方差，其主成分得分見表1，因此，可用此12個主成分得分矩陣 (20X12)代替原始變量矩陣(20X640)。為方便，稱此12個主成分得分為胺基酸二維性質 得分，因為此12個得分綜合了 640種性質參數的大部分信息，因此，可將其用於肽或蛋白質 結構表徵。 b)用胺基酸二維性質得分表徵蛋白質與RNA相互作用位點的結構特徵，其中的每 個胺基酸用12個胺基酸二維性質得分表徵； 選擇147條RNA結合的蛋白質鏈(Terribilini et al. ，Nucleic Acids Research, 2007,35(5) :l)，該數據集總共包括6517個RNA結合殘基和26167個非結合殘基。為了分 析作用位點的相鄰殘基影響，這裡使用經典移動窗口編碼策略進行取樣，選擇11肽序列來 表徵蛋白質和RNA相互作用位點特徵。為進一步驗證模型預測性能，將樣本按照1 : l劃 分訓練集和外部驗證測試集，並且訓練集和測試集中的正負樣本比例也為1 : i，ii-肽序列中的每個胺基酸殘基用12個胺基酸二維性質得分表徵，這樣，每個ll-肽序列以11X12 =132個變量表徵。 c)用遺傳算法挑選同蛋白質與RNA相互作用位點特徵密切相關的性質參數，並作 為模型的輸入變量； 經比較，以132個原始自變量作為支持向量機的輸入，無論建模還是外部預測效 果都較差，因此用遺傳算法(Hasegawa et al. ， J Chem. Inf. Comput. Sci. ， 1997,37 :306)挑
選同蛋白質與RNA相互作用位點密切相關的特徵，挑選出36個變量，作為模型的輸入變量。
d)應用徑向基核支持向量機建立蛋白質與RNA相互作用位點識別模型，以自取代 檢驗，留1/5法交互檢驗以及外部檢驗驗證模型的預測能力，將每個樣本的輸入變量帶入 模型並計算識別蛋白質與RNA相互作用位點。 以挑選出的36個變量作為輸入，用徑向基核支持向量機建立蛋白質與RNA相互作 用位點識別模型，用格點搜索法確定支持向量機參數，然後用自取代檢驗，留1/5法交互檢 驗驗證模型的內部預測能力，用對測試集的外部預測結果評價模型的外部預測能力。
分別定義A。。為計算識別正確樣本數目所佔總樣本數目百分比，Sp為識別正確的 蛋白質與RNA相互作用位點樣本數目的百分比，Sn為預測正確的非蛋白質與RNA相互作用 位點樣本數目的百分比，MCC為馬休斯相關係數。當支持向量機參數C和y分別為256和 0. 0098時，將每個樣本的輸入變量帶入模型並計算預測，統計結果顯示，自取代檢驗的A^， Sn， Sp及MCC分別為92. 30， 86. 40， 79. 20及0. 681，留1/5法交互檢驗的Aee， Sn， Sp及MCC分 別為85. 11， 79. 70， 77. 99及0. 592，外部預測檢驗的Aee， Sn， Sp及MCC分別為80. 91， 75. 6， 74. 33及0.512。結果顯示，所建模型具有較高的預測識別能力，對蛋白質和RNA相互作用位 點識別具有較高的預測正確率、靈敏度和特異度，同時，經比較，外部預測的MCC為0. 512， 遠遠高於Terribilini等(RNA， 200612 :1450 ;NucleicAcids Research, 2007， 35 (5) :1)報 道的結果(MCC = 0. 350)。有四個原因可解釋為什麼本方法具有較高的識別正確率，一是氨 基酸二維性質得分具有良好的蛋白質信息表達能力；二是遺傳算法可以很好的選擇同蛋白 質與RNA相互作用位點特徵密切相關的結構參數；三是支持向量機具有良好的擬合和泛化 能力；四是所採用的三種檢驗方法可以最大限度地保證方法的預測識別能力。
以上所述僅為本發明的優選實施例，並不用於限制本發明，顯然，本領域的技術人 員可以對本發明進行各種改動和變型而不脫離本發明的精神和範圍。這樣，倘若本發明的 這些修改和變型屬於本發明權利要求及其等同技術的範圍之內，則本發明也意圖包含這些 改動和變型在內。
權利要求
一種蛋白質與RNA相互作用位點計算識別方法，其特徵在於包括如下步驟a)具體包括a1)精選20種天然胺基酸的640種二維性質參數；a2)對640種性質參數做主成分分析，得到12個主成分；a3)計算各主成分得分，建立胺基酸二維性質得分；b)用胺基酸二維性質得分表徵蛋白質與RNA相互作用位點的結構特徵，其中的每個胺基酸用12個胺基酸二維性質得分表徵；c)用遺傳算法挑選同蛋白質與RNA相互作用位點特徵密切相關的性質參數，並作為模型的輸入變量；d)用徑向基核支持向量機建立蛋白質與RNA相互作用位點識別模型，以自取代檢驗，留1/5法交互檢驗以及外部檢驗驗證模型的預測能力，將每個樣本的輸入變量帶入模型並計算識別蛋白質與RNA相互作用位點。
全文摘要
本發明公開了一種蛋白質與RNA相互作用位點計算識別方法，包括如下步驟a)基於主成分分析方法，建立蛋白質結構表徵方法-胺基酸二維性質得分；b)用胺基酸二維性質得分表徵蛋白質與RNA相互作用位點的結構特徵；c)用遺傳算法挑選同蛋白質與RNA相互作用位點密切相關的特徵參數；d)應用徑向基核支持向量機建立蛋白質與RNA相互作用位點識別模型，分別以自取代檢驗，留1/5法交互檢驗以及外部檢驗三種方法驗證模型的預測能力。該方法可用於蛋白質與RNA相互作用位點預測及特異性分析，對於深入理解基因表達調節、蛋白質合成及許多病毒複製與裝配等過程至關重要。
文檔編號G06F19/00GK101710364SQ20091019188
公開日2010年5月19日 申請日期2009年12月14日 優先權日2009年12月14日
發明者楊力, 梁桂兆, 梅虎, 趙巍, 馬秀巖 申請人:重慶大學