基于PPI網(wǎng)絡與機器學習的蛋白質(zhì)功能預測方法

　　蛋白質(zhì)是執(zhí)行生物體內(nèi)各種重要生物活動的大分子，認識其功能對推動生命科學、農(nóng)業(yè)、醫(yī)療等領域的發(fā)展意義重大。1961年，Anfinsen等提出蛋白質(zhì)一級序列決定其三維結構、蛋白質(zhì)三維結構決定其功能的論斷。相對于蛋白質(zhì)三維結構，一級序列更容易通過生物實驗測得，故早期的蛋白質(zhì)功能預測方法大都基于序列相似性原理，利用BLAST（ Basic Local　Alignment Search Tool）和 PSI-BLAST（Position-Specific　Iterated BLAST）等工具計算功能未知的蛋白質(zhì)與功能已知的蛋白質(zhì)之間的序列相似度，若相似度較高則認為其具有相同的功能。然而，近年來的研究表明，序列相似的蛋白質(zhì)能夠形成不同的三維結構，故其功能不一定相同，而且序列差異較大的蛋白質(zhì)也可能具有相同的功能；因此，基于序列相似性的蛋白質(zhì)功能預測方法是不可靠的。

　　針對現(xiàn)有的基于蛋白質(zhì)相互作用（ PPI）網(wǎng)絡的蛋白質(zhì)功能預測方法預測精度不高、易受數(shù)據(jù)噪聲影響的問題，提出一種基于機器學習（層次聚類、主成分分析和多層感知器）的蛋白質(zhì)功能預測方法HPMM。該方法綜合考慮蛋白質(zhì)宏觀和微觀層面的信息，將蛋白質(zhì)家族、結構域和重要位點信息作為頂點屬性整合到PPI網(wǎng)絡中以減輕網(wǎng)絡中數(shù)據(jù)噪聲的影響。首先，基于層次聚類和主成分分析進行特征提取，得到功能模塊和屬性主成分特征，然后訓練多層感知器模型，建立多特征與多功能之間的映射關系以用于功能預測。在三個分別被分子功能（ MF）、生物過程（BP）和細胞組件（ CC）注釋的人類PPI網(wǎng)絡上進行測試，對HPMM、余弦迭代算法（CIA）和有向PPI網(wǎng)絡基因本體術語傳播（ GoDIN）算法的功能預測效果進行比較分析。實驗結果表明，相比CIA和GoDIN這兩種完全基于PPI網(wǎng)絡的方法，HPMM的精確度與F值更高。