10、模糊逻辑在生物信息学中的应用

模糊逻辑在生物信息学中的应用

模糊逻辑在蛋白质结构分类中的应用

在生物信息学领域，模糊逻辑有着重要的应用，尤其是在蛋白质结构分类方面。

首先介绍一种基于邻域操作的方法。有三种邻域操作：
- N1：在当前重叠区域插入一个随机比对。
- N2：在当前重叠区域插入两个随机比对。
- N3：将当前重叠区域的比对改为向左或向右。

随机选择一个邻域操作（所有操作概率相同）并应用于当前比对，这个过程重复 k 次（初始 k = 3）。如果所有邻域解（通过对当前重叠区域应用邻域操作生成的新重叠）都比当前解差（基于用户定义的模糊目标函数），则 k 值减 1。该方法先在邻域中探索好的解，若未找到更好的解，则进一步挖掘当前最优解。

对于球状蛋白质的结构分类，依据其二级结构组成可分为四大类：
| 类别 | 特征 |
| ---- | ---- |
| 全 - α 蛋白 | 含 >45% α - 螺旋且 <5% β - 链 |
| 全 - β 蛋白 | 含 <5% α - 螺旋且 >45% β - 链 |
| α + β 蛋白 | 含 >30% α - 螺旋和 >20% β - 链，且主要为反平行 β - 链 |
| α / β 蛋白 | 含 >30% α - 螺旋和 >20% β - 链，且主要为平行 β - 链 |

蛋白质的类别可以通过其氨基酸组成、残基的疏水性模式或 α - 螺旋/β - 链含量来确定。这里介绍一种使用氨基酸组成和模糊 c - 均值（FCM）聚类的方法。

设 S 为代表所有球状蛋白质的集合，