蛋白质序列中的多重分形分析

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 46-48.

蛋白质序列中的多重分形分析

郑婷婷^1,2，毛军军^1,2，宋杰¹，程家兴¹

1.安徽大学计算智能与信号处理教育部重点实验室，合肥 230039
2.安徽大学数学与计算科学学院，合肥 230039

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 郑婷婷

Multifractal analyses of protein sequences

ZHENG Ting-ting^1,2，MAO Jun-jun^1,2，Song Jie¹，CHENG Jia-xing¹

1.Key Lab of Intelligent Computing & Signal Processing，Anhui University，Hefei 230039，China
2.School of Mathematics and Computational Science，Anhui University，Hefei 230039，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: ZHENG Ting-ting

摘要/Abstract

摘要： 采用多重分形谱对蛋白质序列进行分析。按照SCOP分类法，从PDB中选取三条同属于类的分维相近的蛋白质序列，利用多重分形分别对蛋白质空间距离以及序列中氨基酸的极性、体积的复杂性进行比较。实验结果表明，多重分形的奇异谱函数比简单的分形维数能提供更多的信息，克服了分形维数相同情况下，精细结构无法区分的困难，分析结果能够更加准确地描述个体之间的差异。

关键词: 蛋白质, 分形, 分维, 多重分形谱

Abstract: Protein sequences are analyzed with the multifractal method.We chose three amino acid sequences from PDB based on SCOP，which all belonged to and had similar fractal dimensions.From the point of view of multifractal，the complexity of the distance of protein and the polar and volume of amino acid sequences are compared.The results of experiments show that multifractal spectrum function is effective which reflecte the difference with protein individual and better than single fractal in identifying structure character fine information，which is difficultly solved when the fractal dimensions are nearly same.

Key words: protein, fractal, fractal dimension, multi-fractal spectrum

郑婷婷^1,2，毛军军^1,2，宋杰¹，程家兴¹. 蛋白质序列中的多重分形分析[J]. 计算机工程与应用, 2007, 43(20): 46-48.

ZHENG Ting-ting^1,2，MAO Jun-jun^1,2，Song Jie¹，CHENG Jia-xing¹. Multifractal analyses of protein sequences[J]. Computer Engineering and Applications, 2007, 43(20): 46-48.

[1]	封雪梅，张志毅，杨龙. 分形维数的全局点云初始配准算法[J]. 计算机工程与应用, 2020, 56(5): 234-241.
[2]	毛伊敏，刘银萍. 基于模块度函数的加权蛋白质复合物识别算法[J]. 计算机工程与应用, 2020, 56(2): 42-54.
[3]	霍思聪1，黎英2. 蛋白质功能模块检测的聚类方法综述[J]. 计算机工程与应用, 2019, 55(8): 17-26.
[4]	汤亚东1，谢鹭2，陈兰明1. 改进CKSAAP结合RFE算法预测蛋白质棕榈酰化位点[J]. 计算机工程与应用, 2019, 55(5): 143-148.
[5]	张佳惠，何红弟. 金融危机前后BDI指数与CBFI指数的多重分形研究[J]. 计算机工程与应用, 2019, 55(5): 237-243.
[6]	胡健，朱海湾，毛伊敏. 基于时序加权PPI网络的关键蛋白质识别[J]. 计算机工程与应用, 2019, 55(23): 150-162.
[7]	胡德祺，孙永奇，秦朝. 基于Spark的L1-BC算法在关键蛋白质检测中的应用[J]. 计算机工程与应用, 2018, 54(24): 234-240.
[8]	赵福娟，李玲，辛化梅. 凝胶图像重叠蛋白质点分割算法研究[J]. 计算机工程与应用, 2017, 53(5): 212-215.
[9]	罗浩1，2，刘宇1，2，吴思晋3. 面向多肽的分子对接算法性能对比研究[J]. 计算机工程与应用, 2017, 53(14): 111-116.
[10]	高晓梅1，丁彦蕊2，3. 基于群智能的蛋白质耐热温度预测研究[J]. 计算机工程与应用, 2017, 53(13): 141-145.
[11]	陈晓娟1，王单卉2. 基于BEMD和分形维数的人脸识别方法[J]. 计算机工程与应用, 2017, 53(10): 177-180.
[12]	李高平，刘莉. 图像子块特征匹配的快速分形编码算法[J]. 计算机工程与应用, 2017, 53(1): 195-200.
[13]	王俊丽，张辰彦，何红弟，林国龙. 基于MF-DFA的交通流量多重分形研究[J]. 计算机工程与应用, 2016, 52(6): 31-34.
[14]	袁宗文，鲁业频，杨汉生. 半叉迹特征的快速分形图像编码[J]. 计算机工程与应用, 2016, 52(3): 197-201.
[15]	汤萍萍1，2，王再见1，王冬菊1. 分段Hurst指数感知的流级别分类[J]. 计算机工程与应用, 2016, 52(24): 11-18.