[发明专利]基于复空间多视角特征融合的膜蛋白亚细胞位置定位方法

说明书

技术领域

本发明属于膜蛋白亚细胞位置定位领域，更具体地涉及一种基于复空间多视角特征融合的膜蛋白亚细胞位置定位方法，特别是一种基于多视角特征并行融合并采用广义主分量分析进行特征抽取的膜蛋白亚细胞位置定位方法。 

背景技术

膜蛋白(Transmembrane Protein)在生物体中是一类非常重要的蛋白质, 它对于细胞的营养物质运输、细胞间信号传递以及能量交换都起着非常重要的作用。同时，膜蛋白也是很多药物作用的靶点, 最典型的为G蛋白家族。有研究表明, 药物研发中60%~70%的目标蛋白是G蛋白家族成员。在基因组数据中，有20%~ 30%的基因产物被预测为膜蛋白。 

已有的研究已经表明，膜蛋白的功能与其在亚细胞中所处的位置有着密切的联系。亚细胞位置就是膜蛋白出现在那个细胞器或区室。获取蛋白质的亚细胞位置信息对于理解蛋白质的结构和功能是非常有帮助的。准确地定位膜蛋白的亚细胞位置具有重要的现实意义。然而，膜蛋白从最初的生成到最终出现的位置是一个复杂的生理过程。生物学测定虽然是有效的方法，但是耗时耗力。在后基因时代，膜蛋白序列海量呈现，然而对应的亚细胞位置测定进展缓慢，亟需研发高效的膜蛋白亚细胞位置定位的自动化方法。 

近年来，出现了许多用于蛋白质亚细胞位置的预测方法。例如，targetP (Emanuelsson, O., et al. Locating proteins in the cell using TargetP, SignalP and related tools. Nat Protoc, 2007, 2(4): 953-971) 通过检测N-端的特定序列来预测真核生物的蛋白质亚细胞位置。Cell-Ploc (Kuo-Chen Chou, H.-B. Shen. Cell-PLoc 2.0: an improved package of web-servers for predicting subcellular localization of proteins in various organisms. Natural Science, 2010, 2(10): 1090-1103) 综合使用了初级的序列特征和高级的特征来对不同种类生物体的蛋白质亚细胞位置进行预测。CE-Ploc (A. Khan, A. Majid, and M. Hayat, CE-PLoc: An ensemble classifier for predicting protein subcellular locations by fusing different modes of pseudo amino acid composition, Comput. Biol. Chem., vol. 35, no. 4, pp. 218–229, 2011.)则融合特征空间和决策空间的多样性来对蛋白质亚细胞位置进行预测。 

然而，现有的蛋白质亚细胞位置预测方法中，多数方法在进行预测时并不区分蛋白质的类型，只有极少数是专门针对膜蛋白亚细胞位置定位而设计的。Chou等人 (Chou, K.C. and D.W. Elrod. Prediction of membrane protein types and subcellular locations. Proteins, 1999, 34(1): 137-153)对膜蛋白亚细胞位置定位进行了开拓性的工作，指出膜蛋白的亚细胞位置和它们的氨基酸组成成分之间有着密切关系。此后，Sharpe等人 (Sharpe, H.J., T.J. Stevens, and S. Munro. A comprehensive comparison of transmembrane domains reveals organelle-specific properties. Cell, 2010, 142(1): 158-169)成功地在预测模型中引入膜蛋白的拓扑结构信息，并在此基础上研发出一个基于神经网络的膜蛋白亚细胞位置定位方法。然而，这些方法在使用多视角特征时，采用的是传统的串行组合策略，导致组合后的特征维数过高，从而影响计算速度与性能。