首页> 中文学位 >细胞因子-受体相互作用的预测
【6h】

细胞因子-受体相互作用的预测

代理获取

目录

文摘

英文文摘

声明

1.前言

1.1 细胞因子

1.1.1细胞因子的定义

1.1.2细胞因子的种类及功能

1.1.3细胞因子的特征

1.2蛋白相互作用的研究方法

1.3机器学习方法及其支持向量机的基本原理

1.3.1机器学习方法概述

1.3.2支持向量机理论简述

2.材料与方法

2.1实验流程

2.2预测模型CytoSVM的建立

2.2.1数据集

2.2.2模型的建立

2.2.3模型的评估

2.3 CytoSVM的功能与使用

2.3.1在线软件部分

2.3.2数据库部分

2.4 寻找细胞因子受体的关键序列模式

2.5 细胞因子-受体相互作用的分子模拟

2.6 基因表达模式的比较

3.结果与讨论

3.1 CytoSVM的预测结果

3.2 细胞因子受体的序列与结构特征

3.3 细胞因子-受体相互作用的分子模拟

3.4 细胞因子-受体的基因表达模式

3.5 细胞因子受体的染色体定位

3.6 细胞因子相关的新Pathway的发现

4.小结

参考文献

致 谢

附录一:攻读硕士研究生期间发表的文章

展开▼

摘要

细胞因子是由多种细胞所分泌的低分子量(15~30KD)的蛋白或糖蛋白,通过与相应受体的结合,调节细胞的生长和分化,参与免疫、炎症反应和创伤愈合。因为细胞因子通过与受体的相互作用来行使以上功能,所以细胞因子-受体相互作用成为研究细胞因子功能的关键。然而,由于细胞因子以网络形式行使生物功能,众多细胞因子在机体内相互促进或相互抑制。这一特性使我们对细胞因子的新功能和新细胞因子受体的存在所知甚少,又因为传统实验方法费用高,耗时长,所以应用计用算方法系统研究细胞因子-受体相互作用,以揭示细胞因子的新功能、新受体十分必要。本课题首先建立基于支持向量机的分类模型,用来从人类蛋白组中预测新的细胞因子-受体相互作用,最终得到1609个新相互作用,由244个新受体和所有112个已知受体参与。通过改进训练方法,该模型与常规支持向量机方法训练的模型相比有较高的准确性(99.2%)。进一步分析显示,各家族的细胞因子受体趋向于享有共同的序列模式(Domains/Motifs),以便保证与细胞因子的特异结合。基因表达模式分析发现细胞因子与其相应受体的基因表达只有微弱的组织相关性。染色体分布研究发现人类基因组有11个明显的己知和/或预测细胞因子受体集中分布区。预测的相互作用参与了31个细胞Pathway,其中9条为首次发现可能与细胞因子有关。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号