水稻蛋白質磷酸化位點預測SVM工具的研發.pdf

1、蛋白質磷酸化是一種在蛋白質翻譯后最重要且最常見的修飾方式之一（Post-Translation Modification,PTM）。蛋白質磷酸化和去磷酸化調控著基因的表達、細胞的生長與分化等生命過程。前人應用生物化學技術已經從不同物種中鑒定出大量的蛋白質磷酸化位點，也開發出廣譜或物種特異的蛋白質磷酸化位點預測工具，本實驗室也在前期研究中開發出適用于水稻的蛋白質磷酸化預測工具--PhosphoRice。但由于PhosphoRice是一個整

2、合工具，其運行效率與速度受限于其子工具的性能。為此，本文應用支持向量機（SVM），結合不同特征提取方法，開發專門用于水稻蛋白質磷酸化位點預測的SVM工具。
　　首先，從新近發表的文章以及蛋白質數據庫Swiss-Prot中下載獲得經試驗驗證的水稻蛋白質磷酸化位點數據，構建正負樣本數據集。其中正樣本有4966個磷酸化位點，負樣本有5586個非磷酸化位點。然后，比較6種特征提取方法（AF，KNN，CKSAAP及其兩兩結合法）對正負樣本的

3、處理性能，結果發現AF_CKSAAP、CKSAAP和CKSAAP_KNN的性能現狀優于其他3種特征提取策略。再比較4種分類算法，包括決策樹、K最近鄰、隨機森林和支持向量機，對水稻蛋白質磷酸化位點的性能，結果表明，基于CKSAAP、AF_CKSAAP和CKSAAP_KNN特征提取策略的SVM模型的預測MCC均大于0.50，顯著優于其他3種分類算法的的預測性能。為此，本文應用SVM結合AF_CKSAAP特征提取，并以CKSAAP和CKSAA

4、P_KNN為輔助的特征提取方法，構建專門用于水稻蛋白質磷酸化位點預測的Rice_Phospho1.0工具，其預測的準確率（ACC）為80.90％，馬修斯系數（MCC）為0.617，明顯好于新近發表的5種蛋白質磷酸化位點預測工具的預測性能，包括KinasePhos、DISPHOS、Musite、Scansite和PhosphoRice。最后，應用獨立測試集數據，測試Rice_Phospho1.0工具對絲氨酸S、蘇氨酸T、酪氨酸Y磷酸化位點