信息論方法預測信號肽.pdf

1、本論文的主要目的在于介紹蛋白質信號肽的特征和性質，并在此基礎上利用數(shù)學方法對信號肽和信號肽的剪切位點進行討論和預測。文章中介紹了國際上公認為比較便捷而且準確率比較高的幾種方法，并在此基礎上提出信息論方法在蛋白質信號肽方面的應用。 本論文使用的數(shù)據(jù)庫是瑞典CBS(CenterforBiologicalSequenceAnalysis)的Nielsen等根據(jù)SWISS-PORTversion29構建的二次數(shù)據(jù)庫，所有的數(shù)據(jù)庫都進行

2、了同源性消減：此數(shù)據(jù)庫中將包含1383個非同源信號肽序列和519個成熟蛋白序列。在此基礎上，對N端信號肽進行了統(tǒng)計學分析，以充分說明真核生物以及原核生物(包括革蘭氏陽性菌和革蘭氏陰性菌)的信號肽特征，并驗證(-1，-3)原則的準確性和普適性。 在利用信息論方法討論蛋白質信號肽的性質和特征的時候，首先利用自信息量概念，對數(shù)據(jù)庫中的信號肽和成熟蛋白質進行處理，計算得出兩者的自信息量值進行比較，發(fā)現(xiàn)成熟蛋白平均的信息量隨窗口變化波動

3、不大，而且整體高于信號肽的信息量；信號肽的平均信息量整體較低，且隨窗口的變化有劇烈地波動，這也暗示著我們可以利用這種思路對信號肽的剪切位點進行預測。然后，利用信息熵的概念，將信號肽的每一個位置看作一個單獨的信源，計算出各個位置的熵值，發(fā)現(xiàn)對真核生物來說，其信息熵在-1和-3位只有兩個明顯的谷，表明相對與鄰近位置，-1及-3更具特征，而-12～-8位置又對應一個極值區(qū)，這說明h區(qū)相對于c區(qū)和n區(qū)更具特征。對于革蘭式陰性菌及革蘭式陽性菌來說

4、，它們在-1位置與-3位置的特征性更強，這說明，在此數(shù)據(jù)庫下，原核生物比真核生物更符合(-3，-1)規(guī)則。而在h區(qū)則沒有明顯的谷，也說明原核生物信號肽h區(qū)特征較小。最后，引入簡單信息矩陣的概念，并用來預測和檢驗蛋白質信號肽剪切位點。對于它檢驗，真核生物、革蘭氏陽性菌和革蘭氏陰性菌的預測準確性分別達到60.1％，69.2％，81.2％。簡單信息矩陣對原核生物的預測能力要好于權重矩陣方法，但對真核生物的預測能力卻略遜于權重矩陣方法。