导读:本文包含了绑定残基论文开题报告文献综述及选题提纲参考文献，主要关键词:蛋白质与配体相互作用,绑定残基预测,分类体系,性能比较
绑定残基论文文献综述
于东军,朱一亨,胡俊[1]（2018）在《识别蛋白质配体绑定残基的生物计算方法综述》一文中研究指出蛋白质与配体相互作用在生命过程中是普遍存在且不可或缺的,这种相互作用在生物分子的识别和信号传递过程中起着非常重要的作用。识别出蛋白质与配体相互作用的绑定残基对蛋白质功能研究、药物设计和筛选都有着重要的科学意义,而生物计算方法是蛋白质与配体绑定残基预测研究中的一种重要手段。本文首先给出了蛋白质与配体相互作用的绑定残基的一般性定义;其次,总结出了一种蛋白质与配体绑定残基预测方法的分类体系,并对其中一些代表性的预测方法进行了简要阐述;再次,给出了蛋白质与配体绑定残基预测研究中常用的数据库和评价指标,并通过在相关数据集上进行实验比较了具有代表性的预测方法的性能;最后,对若干挑战性问题进行分析并预测该领域未来的研究方向,以期对相关研究提供一定的参考。(本文来源于《数据采集与处理》期刊2018年02期）
柴海挺[2]（2017）在《基于进化保守性的DNA绑定残基的分析与预测》一文中研究指出DNA绑定蛋白在许多生命活动中发挥了不可或缺的作用。对DNA绑定残基特性的分析及识别有助于更好地理解染色质重组和基因调节表达的机制。计算方法的使用能切实加快这一进展同时也能为物理化学生物实验提供有用线索。就进化保守性而言,DNA绑定残基和非DNA绑定残基存在统计学上的差异。这些差异在机器学习方法对其二者进行区分时发挥了重要作用。在DNA绑定残基的预测领域,传统的机器学习方法通常构建一些静态的数据集来生成它们的知识模型。为了保证其模型的泛化能力,许多同源的DNA绑定蛋白在数据组建的过程中被剔除。然而,这些被剔除蛋白样本仍然能为蛋白质-DNA相互作用的研究提供有用信息。考虑到这一点,本文提出了一种基于进化保守性的新方法来填补传统机器学习模式的空白,同时也为更好地识别DNA绑定残基作出努力。首先,本文创建了一个大规模的可扩充的样本池来收录有用样本。接着,本文使用相对位置特异性得分矩阵和协同进化保守性描述符来编码特征空间。最后,本文设计了一种基于待测序列的动态建模算法来更多地利用已知结构和功能的蛋白样本。与传统方法相比,对动态模型的引入可以在很大程度上提升预测质量。在测试集上的实验结果证明,本文提出的方法具有较好的泛化能力,它能够作出比许多具有先进科学技术水平的方法更为优秀的预测。此外,为了方便学术使用,本文也把该方法部署到了网络服务器上,服务器网址为:http://www.inforstation.com/webservers/DQPred-DBR/。(本文来源于《东北师范大学》期刊2017-06-01）
杨晓霞[3]（2015）在《联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基》一文中研究指出蛋白质-核酸相互作用在基因表达和调控等诸多生命过程中发挥着极其重要的作用,利用计算方法准确识别蛋白质中与核酸发生物理接触的区域有助于阐明这类相互作用机制。目前大多数算法仅独立地采用特征驱动方法或模板方法预测核酸绑定残基,但是其预测精度仍有待提高。针对现有算法的不足,本研究通过联合上述两种策略,分别构建了基于结构信息和基于序列信息的混合算法。RBRDetector算法结合蛋白质结构的局部相似性和全局相似性构建RNA绑定残基的预测模型。具体而言,基于蛋白质局部相似性,开发了一种特征驱动的预测方法。该方法抽取了残基的进化保守性、局部几何指标、网络拓扑指标等属性,并将这些属性联合残基的局部微环境组成支持向量机的输入特征。同时,利用RNA绑定蛋白的全局相似性,开发了一种基于结构比对的模板方法。该方法将查询蛋白与模板库中的RNA绑定蛋白质进行结构比对,选择最优的模板构建预测的蛋白质—RNA复合物,进而利用该复合物识别相应的绑定区域。最后,通过分段函数将上述两种预测方法的结果进行联合,使混合算法的预测精度大幅提高。通过对不同类型的数据集(如绑定结构、非绑定结构、理论模型等)进行测试,结果显示RBRDetector算法显着优于现有同类算法。虽然利用结构信息能够较为精确地识别核酸绑定残基,但是现有蛋白质结构数据的匮乏限制了其适用范围,而基于序列信息的预测方法则具有更广泛的应用价值。为此,本研究开发了依据序列信息识别核酸绑定残基的混合算法SNBRFinder。该算法采用基于隐马可夫模型的序列谱比对方法寻找查询序列的最优模板,并将位置特异性打分矩阵和互补的序列特征通过序列微环境构成特征组合,最后结合这两种方法的输出结果作为预测值。为了验证该算法的有效性,本研究运用广泛的核酸绑定蛋白数据集进行了严格的测试。实验结果显示模板方法的预测性能与结构比对方法相当,额外序列特征的加入能有效提高特征驱动方法的预测效果。利用上述两种方法的互补性,混合算法SNBRFinder展现出更好的核酸绑定残基识别能力。(本文来源于《华中农业大学》期刊2015-06-01）
绑定残基论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
DNA绑定蛋白在许多生命活动中发挥了不可或缺的作用。对DNA绑定残基特性的分析及识别有助于更好地理解染色质重组和基因调节表达的机制。计算方法的使用能切实加快这一进展同时也能为物理化学生物实验提供有用线索。就进化保守性而言,DNA绑定残基和非DNA绑定残基存在统计学上的差异。这些差异在机器学习方法对其二者进行区分时发挥了重要作用。在DNA绑定残基的预测领域,传统的机器学习方法通常构建一些静态的数据集来生成它们的知识模型。为了保证其模型的泛化能力,许多同源的DNA绑定蛋白在数据组建的过程中被剔除。然而,这些被剔除蛋白样本仍然能为蛋白质-DNA相互作用的研究提供有用信息。考虑到这一点,本文提出了一种基于进化保守性的新方法来填补传统机器学习模式的空白,同时也为更好地识别DNA绑定残基作出努力。首先,本文创建了一个大规模的可扩充的样本池来收录有用样本。接着,本文使用相对位置特异性得分矩阵和协同进化保守性描述符来编码特征空间。最后,本文设计了一种基于待测序列的动态建模算法来更多地利用已知结构和功能的蛋白样本。与传统方法相比,对动态模型的引入可以在很大程度上提升预测质量。在测试集上的实验结果证明,本文提出的方法具有较好的泛化能力,它能够作出比许多具有先进科学技术水平的方法更为优秀的预测。此外,为了方便学术使用,本文也把该方法部署到了网络服务器上,服务器网址为:http://www.inforstation.com/webservers/DQPred-DBR/。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
绑定残基论文参考文献
[1].于东军,朱一亨,胡俊.识别蛋白质配体绑定残基的生物计算方法综述[J].数据采集与处理.2018
[2].柴海挺.基于进化保守性的DNA绑定残基的分析与预测[D].东北师范大学.2017
[3].杨晓霞.联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基[D].华中农业大学.2015
标签：蛋白质与配体相互作用; 绑定残基预测; 分类体系; 性能比较;