蛋白质二级结构预测的模型与方法研究
蛋白质组研究是后基因组时代生命科学中最重大的研究课题之一，蛋白质结构预测是蛋白质组研究中一个发展已久但仍富有挑战性的问题，它的研究不仅对于理解蛋白质空间折叠机制与蛋白质功能具有理论价值，更对生物制药、农业生物科技等应用领域具有直接的指导作用。针对这种需求，本文应用生物信息学的方法对蛋白质结构预测的相关问题进行了深入研究，取得的主要成果与创新工作概括如下： (1) 由于传统的神经网络方法具有“黑箱”的特点，其预测或分类能力蕴含在它的各种连接参数之中，在用于结构预测时很难从模型中获取领域相关的知识与信息；而模糊推理系统则使用与人的思维方式接近的逻辑推理机制，具有易于理解的优点，但系统难以训练与学习限制了其适用范围。
我们将模糊推理系统与神经网络相结合建立了自适应模糊神经网络混合模型，并首次应用于蛋白质结构预测。结果表明，模型导出的规则具有较好的可理解性，便于从中挖掘出可重用的领域相关知识。
(2) 在自适应模糊神经网络模型中，输入变量维数过高和模糊规则数目太多是关系到建模可行与否的两个关键性难题。我们针对蛋白质结构预测问题的特点，使用模糊聚类和主成分分析 ...