41、蛋白质结构与折叠分类的BAYESPROT框架研究

蛋白质结构与折叠分类的BAYESPROT框架研究

1. 蛋白质分类方法概述

蛋白质分类方法主要分为同源方法和判别方法：
- 同源方法 ：
- 序列相似性方法 ：基于观察到的现象，即如果两个蛋白质的序列具有高度同源性，那么它们的结构也非常相似。
- 穿线法 ：通过与已知结构进行比对来预测蛋白质序列的结构。
- 判别方法 ：从已知蛋白质结构中提取一些通用“规则”，并将这些“规则”应用于新的蛋白质序列进行预测。不过，序列相似性方法有其局限性，它仅适用于序列和结构都相似的情况。过去已经应用了基于统计技术、神经网络和支持向量机（SVM）的多种判别方法，但应用学习（判别）方法的主要困难在于，随着分类数量的增加，折叠预测的准确性会降低。

为了解决这些问题，本文设计了一个名为BAYESPROT的框架，该框架以特征空间的离散化和树增强网络（TAN）贝叶斯分类器为基础，用于解决从数据库中进行结构和折叠分类的问题。此外，还采用了平均概率投票（MPV）方法来提高性能。

2. 相关研究回顾

近年来，机器学习工具在基于三级超类的蛋白质分类中得到了广泛应用，这些方法被称为判别方法或数据挖掘方法。由于尚未得出序列和结构之间的直接关系，因此人们更多地关注使用统计或机器学习技术，通过特征向量表示可用知识来对蛋白质进行分类。

一些相关研究如下：
- Dubchak等人在1995年和1999年基于神经网络进行了分类研究。
- Ding和Dubchak在2001年使用S