基于自然语言处理技术的DNA结合蛋白质预测

Proteins make up the body of the micro-world, natural language is used to communicate. As both inside and outside of two different expressions of the same carrier, there must be some kind of internal relations. Protein primary structure is made up of strings of amino acids, natural language is made up of words and strings. This project based on natural language processing to explore the theories and methods of identification of DNA-binding protein, has great theoretical significance and applied value. This project will apply natural language processing techniques to the field of DNA binding protein identification. The performance of DNA binding protein identification will be improved by exploring the ‘word’, ‘grammar’ and ‘semantic’ of protein sequences. Our tasks can be summarized as follows: 1) Feature extraction algorithms for protein sequences; 2) Computational predictors for DNA binding protein identification based on natural language processing techniques; 3) Feature analysis of DNA binding proteins; 4) Construction of web servers for DNA binding protein identification. This project will benefit the study of DNA binding protein identification. It could also be applied to further promote the development of related industries,such as agriculture and medicine.

蛋白质组成人体内部的微观世界，自然语言是人们之间的交流工具。作为同一载体的内外两种不同表达形式，必然存在着某种固有联系。蛋白质一级结构是由氨基酸组成的字符串，而自然语言是由字词组成的字符串。本项目以自然语言处理为基础，探索DNA结合蛋白质识别的理论和方法，通过挖掘蛋白质中的“词”、“语法”和“语义”，并结合自然语言处理技术提高预测精度。研究内容包括：1）蛋白质特征提取方法研究;2）基于自然语言处理技术的DNA结合蛋白质识别方法研究;3）DNA结合蛋白质特征分析研究;4）DNA结合蛋白质识别平台构建研究。本项目的研究在理论上将完善DNA结合蛋白质识别方法，在应用上将推动相关产业的发展，如农业和医药业。

DNA结合蛋白质涉及多种生物过程，例如DNA的转录、修饰、折叠等。准确识别DNA结合蛋白质有助于更好地理解人类生命活动，也有助于对人类疾病的研究。本项目以自然语言处理技术为基础，研究DNA结合蛋白质识别的理论和方法。本项目主要研究内容包括以下4部分：.1.蛋白质特征提取方法及工具包的开发。本项目组针对计算模型中特征提取问题开发了一个用于自动提取蛋白质序列特征并能够构建预测模型的python软件包Pse-Analysis。对于用户来说，用户只需要提供基准数据集，该软件可以为用户省去繁琐步骤并生成用户需要的预测结果。该软件的开发为生物领域的研究者们构建预测模型提供了极大的便利。.2.临床医疗文本的相关问题的分析与研究。针对此领域问题，本项目组的主要研究问题包括临床医疗文本的去隐私化处理方法，临床医疗实体的识别方法研究和临床医疗实体的时间标引方法研究。针对每个问题，本项目组均构建了不同的模型并进行比较分析，实验结果表明本项目组构建的方法能够取得较好的预测性能。.3.蛋白质远同源性检测方法的研究。对于蛋白质远同源性检测问题，本课题组对其研究现状进行了总结与分析，并开发了基于伪蛋白质的序列谱及排序策略的检测方法和基于序列顺序频率矩阵的检测方法。实验结果表明本项目组提出的方法均取得了较好的预测性能。.4.固有无序蛋白质识别方法的研究。对于固有无序蛋白质识别问题，本课题组对其研究现状进行了总结与分析，并开发了基于条件随机场的固有无序蛋白质识别方法和具有长度依赖的固有无序蛋白质的识别方法。实验结果表明本项目组提出的方法均取得了较好的预测性能。.综上，本项目组按照项目计划的研究方向和内容开展了较为深入的研究工作，并在重要国际期刊和会议上发表了论文24篇；培养了博士生3人，硕士生8人，项目按计划完成。