1 / 27

Acetyllysine 與 Methyllysine 之 分類

Acetyllysine 與 Methyllysine 之 分類. 指導老師：李宗 夷 專題 製作 ： 961472 陳少川 961531 林世偉. Outline. Background Motivation Goal Materials and Methods Expected results. 專題研究背景.

donnel
Download Presentation

Acetyllysine 與 Methyllysine 之 分類

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Acetyllysine與 Methyllysine之分類 指導老師：李宗夷 專題製作：961472 陳少川 961531 林世偉

  2. Outline Background Motivation Goal Materials and Methods Expected results

  3. 專題研究背景 N-acetylation orchestrates a variety of cellular processes, including transcriptionregulation, DNA repair, apoptosis, cytokine signaling, and nuclear import. N-甲基離胺酸(N-methyllysine)被發現於肌凝蛋白(myosin)中，為一種與肌肉收縮有關之蛋白質。

  4. 研究動機 Acetyllysine & Methyllysine皆為蛋白質後轉譯修飾裡其中兩個重要的機制，若能預測出發生此兩機制的基因片段，對生物界以及醫學界都有很大的幫助。

  5. 研究目的 在未處理的蛋白質序列中，預測出發生Acetyllysine或Methyllysine的基因片段。

  6. 實驗材料 來源Database：UniProt 蛋白質序列： 會發生Acetyllysine有 2003 條 會發生Methyllysine有 158 條

  7. 實驗方法 先將會發生Acetyllysine和Methyllysine反應的蛋白質胺基酸序列一比例取出當作independent(測試樣本) ，剩下的用來做trainning model。 將給定發生分別會發生的Acetyllysine和Methyllysine的positive的基因片段，用來對蛋白質序列刪選出positive 和negative基因片段。 皆以K胺基酸為中心分別分段來分析，切成一定長度19/25的windows sizes。 把重複的片段刪除。

  8. 實驗方法 將基因片段作編碼(feature) Trainning model使用5-foldcross validation後，再使用分類工具分類。 將independent加入Trainning model裡，使用5-foldcross validation，再用分類工具分類。 評測結果

  9. System Flow

  10. 評測方法 Negative TN FN TP FP Positive Predict

  11. 實作流程

  12. STEP1 Acetyllysine_protein和Methyllysine_protein中有重複的蛋白質序列,將重複的序列捨去Acetyllysine_protein部分並留下Methyllysine_protein的部分。 #Acetyllysine_protein和Methyllysin_proteine重複的有46條。

  13. STEP2 將STEP1處理後的Acetyllysine_protein和 Methyllysine_protein分別依比例以1:5取出，分成兩部份independent和training。 # 為了independent和training model都能取到

  14. 比例1:5

  15. STEP3 把給定的Acetyllysine_pos和Methyllysine_pos中有完全相同的取出另存 # 會同時發生Acetyllysine和Methyllysine的K，在作分類的時候不易處理。

  16. STEP4 利用step3 處理過的Acetyllysine_pos和Methyllysine_pos，將independent和trainning model的這兩類的蛋白質序列切windows size。並分成positive和negative

  17. 取出Positive & Negitive 將給定會發生 Acetyllysine/Methyllysine反應的K位置，將會發生反應的蛋白質序列片段篩選出Positive & Negative，並把Negative部分取出另存。

  18. Windows sizes • 將處理後的基因片段，皆以K胺基酸為中心分別分段來分析，切成每段windows sizes長度為25的胺基酸片段。 • 格式: ID_位置_基因片段(fragment) 基因片段:以K胺基酸為中心，左右各12個胺基酸

  19. STEP5 切好後WINDOWS SIZE的independent_Acetyllysine_SEQ和independent_Methyllysine_SEQ刪除重複片段。 Trainning Model亦將兩類作同樣處理。

  20. STEP6 上步處理重複後的independent_Acetyllysine_SEQ和independent_Methyllysine_SEQ轉編碼合併成independent部分。 上步處理重複後的train_Acetyllysine_SEQ和 train_Methyllysine_SEQ轉編碼合併成trainning Model部分。

  21. 編碼1- 0 / 1 • 將20種胺基酸以0和1為組成，組成20個不同的編碼。 • 格式: 屬性(pos/neg)_編碼 1_1: 0 _2:1_~~499:1_500:0 #windos sizes長度為25所以有25*20=500個編碼數 • 屬性:pos/negpos為1neg為2

  22. 編碼2-BLOSUM62 • 格式: 屬性_編碼 • 屬性:pos/neg(pos為1 neg為2) • 編碼: 給定的編碼對照表 長度25*20

  23. 編碼-範例 • 範例 CST 1:9_2:-1_3:-1_4:-3_......_19:-2_20:-2_21:-1_22:4_......._39:-2_40:-3_41:-1_42:1_......_59:-2_60:-3

  24. STEP7 trainning Model和independent用5-fold Cross Validation 做quickrbf分類處理。

  25. 評測預測結果 將QuickRBF分類器分類出來的預測結果和positive發生反應的胺基酸片段作資料作比對，將比對的結果作統計機率的分析，算出評測的效果表現。

  26. 實驗結果

More Related