摘要: 本论文的主要目的在于介绍蛋白质信号肽的特征和性质，并在此基础上利用数学方法对信号肽和信号肽的剪切位点进行讨论和预测。文章中介绍了国际上公认为比较便捷而且准确率比较高的几种方法，并在此基础上提出信息论方法在蛋白质信号肽方面的应用。 ... 展开 本论文的主要目的在于介绍蛋白质信号肽的特征和性质，并在此基础上利用数学方法对信号肽和信号肽的剪切位点进行讨论和预测。文章中介绍了国际上公认为比较便捷而且准确率比较高的几种方法，并在此基础上提出信息论方法在蛋白质信号肽方面的应用。 本论文使用的数据库是瑞典CBS(CenterforBiologicalSequenceAnalysis)的Nielsen等根据SWISS-PORTversion29构建的二次数据库，所有的数据库都进行了同源性消减：此数据库中将包含1383个非同源信号肽序列和519个成熟蛋白序列。在此基础上，对N端信号肽进行了统计学分析，以充分说明真核生物以及原核生物(包括革兰氏阳性菌和革兰氏阴性菌)的信号肽特征，并验证(-1，-3)原则的准确性和普适性。 在利用信息论方法讨论蛋白质信号肽的性质和特征的时候，首先利用自信息量概念，对数据库中的信号肽和成熟蛋白质进行处理，计算得出两者的自信息量值进行比较，发现成熟蛋白平均的信息量随窗口变化波动不大，而且整体高于信号肽的信息量；信号肽的平均信息量整体较低，且随窗口的变化有剧烈地波动，这也暗示着我们可以利用这种思路对信号肽的剪切位点进行预测。然后，利用信息熵的概念，将信号肽的每一个位置看作一个单独的信源，计算出各个位置的熵值，发现对真核生物来说，其信息熵在-1和-3位只有两个明显的谷，表明相对与邻近位置，-1及-3更具特征，而-12～-8位置又对应一个极值区，这说明h区相对于c区和n区更具特征。对于革兰式阴性菌及革兰式阳性菌来说，它们在-1位置与-3位置的特征性更强，这说明，在此数据库下，原核生物比真核生物更符合(-3，-1)规则。而在h区则没有明显的谷，也说明原核生物信号肽h区特征较小。最后，引入简单信息矩阵的概念，并用来预测和检验蛋白质信号肽剪切位点。对于它检验，真核生物、革兰氏阳性菌和革兰氏阴性菌的预测准确性分别达到60.1％，69.2％，81.2％。简单信息矩阵对原核生物的预测能力要好于权重矩阵方法，但对真核生物的预测能力却略逊于权重矩阵方法。 收起