摘要：凋亡蛋白對(duì)于物種發(fā)育和生物體內(nèi)平衡的維持發(fā)揮著非常重要的作用。對(duì)凋亡蛋白的亞細(xì)胞位點(diǎn)的準(zhǔn)確預(yù)測(cè)有利于理解細(xì)胞程序性死亡的機(jī)理和其生物學(xué)功能。本文利用SignalP得到的裂解位點(diǎn)將肽鏈分成N-端信號(hào)序列和成熟端序列。通過(guò)提取兩端序列的氨基酸組分（ACC）、偽氨基酸組分（Pse-AAC）和整個(gè)鏈的立體化學(xué)特性來(lái)描述一條蛋白質(zhì)序列。最后將得到的特征向量輸入到支持向量機(jī)（SVM）中來(lái)預(yù)測(cè)其亞細(xì)胞位置。對(duì)三個(gè)凋亡蛋白基準(zhǔn)數(shù)據(jù)集進(jìn)行Jackknife驗(yàn)證，得到的總體精度分別為93.9%，87.6%，91.5%。此外我們還利用了由Reinhardt和Hubbard構(gòu)建的非凋亡蛋白基準(zhǔn)測(cè)試數(shù)據(jù)集（NNPSL數(shù)據(jù)集）來(lái)驗(yàn)證本文的方法，對(duì)于真核和原核蛋白的預(yù)測(cè)準(zhǔn)確度分別達(dá)到87.7%和94.8%。

關(guān)鍵詞：凋亡蛋白；SingalP；偽氨基酸組分；立體化學(xué)特性；Jackknife檢驗(yàn)

中圖分類(lèi)號(hào)：Q26 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 17-0000-02

1 介紹

細(xì)胞凋亡，或者稱(chēng)為細(xì)胞程序性死亡，在控制細(xì)胞增殖和死亡的平衡中起著非?；A(chǔ)的作用。在一些重要的生物過(guò)程中，比如形態(tài)發(fā)生，組織內(nèi)平衡，死亡或病毒感染細(xì)胞清除，自身反應(yīng)性細(xì)胞系的免疫去除，凋亡蛋白都起了核心的作用。凋亡蛋白對(duì)多細(xì)胞生物的健康和正常發(fā)育很重要。它的異常激活會(huì)導(dǎo)致獲得性免疫缺陷綜合癥（艾滋?。?，中樞神經(jīng)系統(tǒng)退行性疾病，缺血性損傷等等。因此，理解細(xì)胞的凋亡機(jī)制對(duì)于這些疾病的臨床治療和藥物研究都有很重要的意義。為了理解蛋白質(zhì)的結(jié)構(gòu)和功能，一個(gè)重要的方法是確定其所處的亞細(xì)胞位置。確定蛋白質(zhì)亞細(xì)胞位置的方法可以分兩類(lèi)，一種是基于蛋白質(zhì)信號(hào)肽的方法。Nakai和Kanehisa最早發(fā)展了一個(gè)專(zhuān)家系統(tǒng)和知識(shí)庫(kù)用N-末端分選信號(hào)來(lái)預(yù)測(cè)蛋白質(zhì)亞細(xì)胞的位置。第二種方法是Nakashima和Nishikawa提出的基于蛋白質(zhì)序列和結(jié)構(gòu)特征的方法，即利用蛋白質(zhì)氨基酸組分來(lái)區(qū)分細(xì)胞內(nèi)和細(xì)胞外蛋白質(zhì)。這些方法都取得了不錯(cuò)的效果，但是忽視了蛋白質(zhì)中各種分選信號(hào)生物信息。實(shí)際上新生蛋白質(zhì)上都存在著信號(hào)肽，決定了蛋白質(zhì)分子在細(xì)胞內(nèi)的去向。如果合理利用蛋白質(zhì)信號(hào)肽就能預(yù)測(cè)蛋白質(zhì)亞細(xì)胞的定位。鑒于此，本文根據(jù)蛋白質(zhì)信號(hào)肽和蛋白質(zhì)序列特征提出了一種新的方法。首先使用SingalP將每一個(gè)序列分成N-末端信號(hào)和成熟端序列，然后提取出每一個(gè)序列的特征。引入偽氨基酸組分的目的是避免丟掉一些序列順序信息。而氨基酸的立體化學(xué)特性（SP）則是子序列特性，引入這個(gè)特性的目的是提高預(yù)測(cè)質(zhì)量。將Pse-AAC和SP通過(guò)SignalP算法得出一個(gè)公式（表示為PSSP）?；跀?shù)據(jù)集ZD98、ZW225、CL317，用jackknife檢驗(yàn)總體預(yù)測(cè)精度分別達(dá)到了93.9%、87.6%、91.5% ，為了使結(jié)果更具有普遍性，基于NNPSL數(shù)據(jù)集，用PSSP測(cè)驗(yàn)得到的總體預(yù)測(cè)精度分別是94.8%、87.7%。

2 方法和工具

本文研究采用三種使用廣泛的基準(zhǔn)測(cè)試數(shù)據(jù)集：ZD98、ZW225、CL317數(shù)據(jù)集。ZD98數(shù)據(jù)集包括了43個(gè)細(xì)胞質(zhì)蛋白，13個(gè)線粒體蛋白，12種 其他的蛋白和30個(gè)等離子體的膜結(jié)合蛋白。ZW225數(shù)據(jù)集包括了70種細(xì)胞質(zhì)蛋白，89種質(zhì)膜蛋白質(zhì)，25種線粒體蛋白和41種核酸蛋白質(zhì)。CL317數(shù)據(jù)集包括了6個(gè)亞細(xì)胞的定位，112種細(xì)胞質(zhì)蛋白，55種質(zhì)膜蛋白質(zhì)，34種線粒體蛋白質(zhì)，17種分泌蛋白和52種核酸蛋白和47種面內(nèi)質(zhì)網(wǎng)蛋白質(zhì)。這三個(gè)數(shù)據(jù)集的序列分布是由PISCES軟件計(jì)算出來(lái)的。

蛋白質(zhì)序列包含的基本信息包括氨基酸組分。氨基酸組分是20個(gè)氨基酸在序列中的出現(xiàn)頻率，通常用一個(gè)20維的特征向量表示。

這里的 、 表示信號(hào)肽區(qū)域和成熟蛋白區(qū)域的氨基酸組分特性， 是兩種序列中的氨基酸 的出現(xiàn)頻率?？紤]到N-末端信號(hào)肽區(qū)域和成熟蛋白質(zhì)區(qū)域做出的不同貢獻(xiàn)，這里引入一個(gè)參數(shù) 作為這兩個(gè)區(qū)域的加權(quán)值，其中的 的最優(yōu)值就是以0.1為間隔在0 ～10之內(nèi)搜索得到。偽氨基酸組分（PseAAC）特征提取方法是由Chou提出的，假設(shè)有一個(gè)含有L個(gè)氨基酸殘基的蛋白質(zhì)鏈L： ，根據(jù)Chou的PseAAC（偽氨基酸組分）離散模型，這里的蛋白質(zhì)樣本S可以表示成一個(gè)（20+ ）維的空間向量：

前20個(gè)組分是20種氨基酸在序列中出現(xiàn)的頻率，也就是傳統(tǒng)的氨基酸組分。后λ維表示序列的附加特征，這里選擇蛋白質(zhì)序列的近似熵作為附加特征。

這里的 是蛋白質(zhì)出現(xiàn) 的20個(gè)氨基酸的標(biāo)準(zhǔn)化出現(xiàn)頻率。 是第j層序列相關(guān)因子。 為 的權(quán)重因子，用于調(diào)節(jié)氨基酸序列次序信息對(duì)分類(lèi)系統(tǒng)的影響程度，本文設(shè)定為0.05。

本文最后一個(gè)特征采用的是泰勒提出的氨基酸的立體化學(xué)特性。將20種氨基酸的立體化學(xué)性質(zhì)特征用10維向量來(lái)表示： ，其中 （i=1，2，…，10是20種氨基酸中特性是i的氨基酸出現(xiàn)的頻率）。

將以上提出的特征組合成一個(gè)向量來(lái)表示整個(gè)蛋白質(zhì)鏈特征， 維向量：

這里的 是N-末端的信號(hào)肽和成熟蛋白序列的權(quán)重。 是PseAAC（偽氨基酸組分）的 層相關(guān)因子。本文中檢驗(yàn)了在不同的加權(quán)值 （0～10）和相關(guān)因子 中，測(cè)試結(jié)果的不同，對(duì)于不同的數(shù)據(jù)集ZD98、ZW225、CL317分別得到了最佳的 值1.3、6.8和3.9，最佳的 值8、6和2。

3 結(jié)果和討論

在支持向量機(jī)處理過(guò)程中，分別對(duì)于數(shù)據(jù)集ZD98、ZW225和CL317選定參數(shù)c=8.0、g=8.0，c=8.0、g=2.0和c=8.0、g=8.0。為了評(píng)價(jià)PSSP模型的效果，對(duì)相同的數(shù)據(jù)集用現(xiàn)有的方法進(jìn)行比較，選取定位精度和總體精度作為比較項(xiàng)。根據(jù)測(cè)驗(yàn)結(jié)果，對(duì)于數(shù)據(jù)集ZD98，本文方法的精度達(dá)到93.9%，這跟DF_SVM方法的精度一樣，比Covariant方法的精度提高了20%。而且，本文對(duì)Mito（線粒體）蛋白質(zhì)的精度達(dá)到了100%，這比Covariant方法的精度提高了70%。使用提供方法的ZW225的總預(yù)測(cè)精度達(dá)到了87.6%。這是上述方法中的最高值。Mito（線粒體）蛋白和Nucl（核蛋白）的定位精度是95.5%、80.5%，這明顯比其他方法的精度要高。CL317數(shù)據(jù)集的分泌蛋白并沒(méi)有達(dá)到令人滿(mǎn)意的精度，本文的方法仍然比其他的方法要好，總體精度達(dá)到了91. 5%。特別是Cyto（細(xì)胞色素氧化酶）和Mito（線粒體）蛋白，本文的工作相對(duì)來(lái)說(shuō)達(dá)到了很高的精度。

4 總結(jié)和討論

根據(jù)信號(hào)肽的理論，本文用SignalP將每個(gè)序列分成N-末端信號(hào)肽部分和成熟蛋白部分。然后從每個(gè)序列中提取出包含序列信息的PseAAC特征作為特征描述。通過(guò)Jackknife 檢驗(yàn)，在三種凋亡蛋白數(shù)據(jù)集和NNPSL 數(shù)據(jù)集都得到了令人滿(mǎn)意的結(jié)果。蛋白質(zhì)內(nèi)含有的固有的信號(hào)控制它們?cè)诩?xì)胞內(nèi)的運(yùn)輸和定位。本文研究遵照了現(xiàn)實(shí)中的生物現(xiàn)象，但是，盡管研究得到了更好的精度，本文的目的仍然是融合分選信號(hào)和蛋白質(zhì)結(jié)構(gòu)的特征來(lái)得到關(guān)于凋亡蛋白亞細(xì)胞定位的更多信息。為了更好地了解不同的裂解部分對(duì)亞細(xì)胞定位的貢獻(xiàn)，需要研究更多的序列特征和更大的數(shù)據(jù)集。

參考文獻(xiàn)：

[1]Zhou，G.P. and K. Doctor，Subcellular location prediction of apoptosis proteins. Proteins，2003. 50（1）：p.44-8.

[2]Steller，H.，Mechanisms and genes of cellular suicide.Science，1995. 267（5203）： p.1445-9.