1、借助計算機工具從氨基酸序列直接預測蛋白質三維結構,對于縮小蛋白質序列數(shù)據(jù)與結構數(shù)據(jù)數(shù)量之間的差距至關重要.蛋白質二級結構預測作為蛋白質三維結構預測的一種簡化和過渡,繼續(xù)得到廣泛關注.通常,蛋白質二級結構預測的研究領域包括兩方面,一方面是預測算法的研究,另一方面是基于序列聯(lián)配的信息提取技術的研究.本文著重于對預測算法的研究,提出了一種新的基于貝葉斯神經(jīng)網(wǎng)絡的蛋白質二級結構預測方法.貝葉斯體系下的神經(jīng)網(wǎng)絡模型具有自動控制模型復雜度與學習過程

2、中的過擬合等優(yōu)點.首先,詳細地探討了顯著度框架和全貝葉斯框架下神經(jīng)網(wǎng)絡模型建模的貝葉斯方法及其實現(xiàn)方法;其次,建立了全貝葉斯框架下用于分類的貝葉斯神經(jīng)網(wǎng)絡模型,并將它用于蛋白質二級結構預測;最后,比較了貝葉斯神經(jīng)網(wǎng)絡模型與傳統(tǒng)的BP神經(jīng)網(wǎng)絡模型的性能,結果表明BNN(Bayesian neural networks)性能優(yōu)于BPNN(Back-Propagation neural networks),平均Q3精度在四組交叉證實數(shù)據(jù)集與測