【畢業(yè)學位論文】（Word原稿）利用序列相似性及支持向量機于蛋白質二級結構預測-義守大學資訊管理研究所

義 守 大 學 資 訊 管 理 研 究 所 碩士 論文 利用序列相似性及支持向量機于 蛋白質二級結構預測 生：蔡佶龍 指導教授 ：林建宏 博士 中華民國 九十三 年 六 月 利用序列相似性及支持向量機于 蛋白質二級結構預測 究 生 : 蔡 佶 龍 導教授 : 林建宏 博士 守 大 學 資 訊 管 理 研 究 所 碩士論文 A of 2004 華民國九十三年六月 I 摘要 隨著人類基因定序及許多基因定序計畫陸續(xù)完成 ,序列的資料量將大幅成長 。 因此，如何有效地分析這些序列更顯得重要 。 了解蛋白質的功能及結構是制藥跟基因相關產(chǎn)品制造的基礎 。 要了解完整蛋白質的功能必先從三級結構著手 ,但直接從蛋白質序列去預測它的三級結構是非常困難且精確度極低 。 轉而代之的就是預測其二級結構 。 在過去的研究中，學者們通常將蛋白質二級結構分成三種類別，分別是螺旋體 (折迭 (、其他部份歸類為 或 因此我們可以將蛋白質二級結構預測視為一個普遍的分類問題 。 與過去機器學習的預測方式比較， 過去常常將蛋白質本身的序列或結構特性忽略， 這會使預測的精確度降低 。 由于 一些蛋白質序列雖然同源 (但它們在演化樹上卻相距甚遠， 因此會有預測上的盲點 。 在此， 我們提出利用蛋白質序列的相似性來補足以上缺失，再加上支持向量 機 (利于處理循序資料等特性來預測蛋白質二級結構 。 首先， 我們將 白質序列編碼 (并向量化 。 接下來， 建構支持向量機的分類器， 并將每個殘基 (分成 H( E( C(類 。 支持向量機源于統(tǒng)計學習理論， 它透過一些 計算， 將輸入空間提升到高維度的特征空間 ( 找出一個理想的超平面 ( 支持向量機曾經(jīng)應用于許多 識問題 ， 在處理大量的蛋白質序列上也很合適 。 我們將展示多種蛋白質二級結構預測的方法比較與挑戰(zhàn) 。 關鍵字 : 支持向量機 ， 蛋白質序列相似性 ， 蛋白質二級結構預測 he of of an to is its to is In on of Its a of It of a of In we to to we to we VM of H, E, ). in a of in a a a Its to of 謝 這篇論文能順利完成，要感謝很多人。首先要感謝我的指導教授， 林建宏 老師，由于老師兩年來辛勤的指導，能讓完全不了解人工智慧的我，增長不少 因為老師給予自由發(fā)揮的空間，才有機會接觸到生物資訊方面的課題，還有老師幫我突破論文的瓶頸及生活上的方便。 其次，感謝 AI 文揚 老師、 洪宗貝 老師，能在論文上給予建議及課業(yè)上的指導，還有 錢炳全 老師、 張弘毅 老師在報告上的指導；管理方面也感謝 吳昭燕 老師、 王天津 老師等指導，使我有機會可以接觸 再者，必須感謝我的 同學兼好朋友， 智德 跟 興國 ，感謝他們常帶給我歡樂及生活上的協(xié)助，還有 翠峰 、 桂鳳 、 姿蓉 、 俊豪 等同學在學業(yè)上的幫助；還要感謝學弟 榮文 、 丁瑜能幫忙處理一些行政上的鎖事等等。 最后，感謝我的父母親，能在背后給予穩(wěn)定的經(jīng)濟來源及精神上的鼓勵，使我能在衣食無缺的情況下，專心地做論文。還有家里的小 都能陪我娛樂，可惜論文完成前，她先走了 !有這么多的老師、同學、朋友及家人們的幫助與關懷，這篇論文才能順利付梓，在此，致上我深深的謝意。 蔡佶龍 民國九十三年六月 V . I . . . V . . 1 . 1 3 of . 4 of . 7 . s . . 17 . 20 . 21 . 22 . 24 28 . 32 to a . 34 . 36 38 . 42 . 47 . 53 . 55 . 56 . 56 . 58 . 64 . 64 . 66 . 2 . of . s . s . . . . . .0. .1. A .2. .3. in . 28 4. . 32 5. . 41 6. A 42 . 44 . A of of . 0 . 11 . An of . . . 31 . . 35 . . 37 . . 37 . 3 OV 48 1 . A is an of to As of to in in of of 2 is of of 99. of by of of as or as or of be or by or to by of it 16. it be of a is 14. 3 of on of or t 100% 4 or to 16. of a of 1,000,000) of 25,000) is . an to is In we to it to 153017 1062416 DB 25960 . A of of 1. , , we of we in . we of , . 6 . of 7 of he of 1. We a A VM is to of 2. We of 3. We VM a of 4. In to VM it is to by VM at of VM is at a of on of of 8 . s we go we of to s it as a to is NA is In of is on to of is by of of at on of 9 of s to of 92. s in . s : it NA to , C, G, T A, C, G, U 20 10 . s : 1) NA a is t as its 2) NA it a to in a (A), G), C) T). a it is is NA is T ) of 91: ( .) A C C T C T T G G A G A . , of 12 of we (to . It is to NA - 3 - 5. NA as a of as a a by NA is NA is . is is no T) U) is In is , G, C . a NA 100. NA , . NA of 13 to s NA of of 92. he is a NA , of 4 0 of s to an 14 . is in NA o ,