1、對(duì)未知蛋白的功能注釋是蛋白質(zhì)組學(xué)的主要目標(biāo),其中一個(gè)關(guān)鍵的注釋是對(duì)蛋白質(zhì)亞細(xì)胞定位的識(shí)別。蛋白質(zhì)必須處于合適的亞細(xì)胞位置才能發(fā)揮其功能,因此蛋白質(zhì)的亞細(xì)胞定位信息對(duì)于了解其功能有重要意義。本文基于蛋白質(zhì)的N端信號(hào)和氨基酸組分,從氨基酸序列出發(fā),對(duì)植物和非植物兩類蛋白質(zhì)數(shù)據(jù)集進(jìn)行了亞細(xì)胞定位識(shí)別。首先,對(duì)不同亞細(xì)胞定位分類的蛋白質(zhì)序列數(shù)據(jù)集進(jìn)行特征分析,包括序列的單氨基酸出現(xiàn)頻率、緊鄰二聯(lián)體頻率和N端信號(hào)特征。結(jié)果顯示單氨基酸組分分布在各

2、亞細(xì)胞定位分類的蛋白質(zhì)序列數(shù)據(jù)集中有些差別,但不很顯著;緊鄰二聯(lián)體頻率在各亞細(xì)胞定位分類的蛋白質(zhì)序列數(shù)據(jù)集中是有區(qū)別的;N端信號(hào)特征在分泌類蛋白質(zhì)數(shù)據(jù)集中與另外三類數(shù)據(jù)集(植物)或兩類數(shù)據(jù)集(非植物)有明顯區(qū)別,并且N端特征區(qū)別主要集中在N端前30個(gè)位置。其次,我們采用了不同的分類特征應(yīng)用多樣性增量方法(ID)進(jìn)行識(shí)別。(1)以N端信號(hào)特征為分類特征,取N端前20位氨基酸分布構(gòu)成400維信息參數(shù)。(2)以氨基酸緊鄰二聯(lián)體頻數(shù)為特征構(gòu)成4

3、00維信息參數(shù)。(3)選取氨基酸頻數(shù)為特征構(gòu)成20維信息參數(shù)。(4)綜合N端信號(hào)和緊鄰二聯(lián)體頻數(shù)等特征構(gòu)成800維信息參數(shù)。(5)綜合N端信號(hào)特征、氨基酸出現(xiàn)頻數(shù)、緊鄰二聯(lián)體頻數(shù)等特征構(gòu)成820維信息參數(shù)。分別用自洽檢驗(yàn)和5折交叉檢驗(yàn)對(duì)植物、非植物各類亞細(xì)胞定位分類蛋白質(zhì)數(shù)據(jù)集進(jìn)行識(shí)別。結(jié)果顯示應(yīng)用多樣性增量方法識(shí)別優(yōu)劣的核心是特征參數(shù)選擇的合適與否;在綜合不同類信息時(shí),用ID算法直接將多類信息線性整合在同一個(gè)多樣性量中并不一定能直接提