1. 指導教授：李宗夷 學生姓名：簡婉竹、陳昱宏、胡堞
蛋白質棕櫚酸酯化作用位置之研究與辨識 Investigation and Identification of Protein Palmitoylation Sites
指導教授：李宗夷
學生姓名：簡婉竹、陳昱宏、胡堞

2. 大綱
背景介紹
動機與目的
研究方法
研究成果

3. 背景介紹 這種蛋白質修飾作用存於許多參與訊息傳遞的蛋白質上，且潛在影響蛋白質的結構及功能。
棕櫚酸酯化作用(palmitoylation)是什麼?
棕櫚酸酯化作用是蛋白質轉譯後，蛋白質上的半胱胺酸 (cysteine) 與棕櫚酸 (palmitic acid) 間形成硫酯鍵 (thioester bond)的現象。
重要性:
這種蛋白質修飾作用存於許多參與訊息傳遞的蛋白質上，且潛在影響蛋白質的結構及功能。

4. 動機與目的 動機: 目的: 棕櫚酸酯化作用涉及許多細胞上的反應，具有重要的影響力。 得知棕櫚酸酯化作用的潛在位置有益生物醫學上之研究。
研究出能夠準確預測棕櫚酸酯化作用的潛在位置之方法
實作出預測的工具

5. 研究流程
資料收集
各種特徵屬性之測試
分類器之訓練
驗證與評估
預測工具之開發

6. 研究方法 資料收集 資料處理 307條蛋白質序列 來源:UniprotKB/SwissProt version 99/11/30
截取以C為中心、window size為11的片段序列
分類為Positive和Negative兩種
過濾重複的序列

7. 各種特徵屬性之測試 分類器之訓練 驗證與評估 利用數學或是機率統計上的概念，將資料由蛋白質序列數據化為libsvm格式之檔案。
Sn=
Sp=
Acc=
Mcc=
各種特徵屬性之測試
利用數學或是機率統計上的概念，將資料由蛋白質序列數據化為libsvm格式之檔案。
分類器之訓練
把分類器的技術應用至預測反應作用位置上，將數據依據屬性的數量來作多維的分類
驗證與評估
分類器做五群資料交叉驗證
評估量測值：sensitivity (Sn)、specific (Sp)、accuracy (Acc)和Mathew correlation coefficient (MCC)。

8. 研究成果- 數據分析 使用屬性: AA、B62、PWM、AAPC、PSSM 使用分類器: SVM、QuickRBF、RandomForest
根據各種屬性與分類器之測試結果，挑選出適合的組合來建構預測模型。
篩選條件:
Acc值高 (Best accuracy)
Sn和Sp值差距小 (Balanced sensitivity and specificity)
最後挑選B62+AAPC做為訓練屬性，並利用QuickRBF分類工具和五群資料交叉驗證法建構預測模型。
屬性搭配
分類器 Sn Sp
Sn-Sp　
Acc
MCC
B62+AAPC
QuickRBF
94.43%
94.36%
0.07%
94.38%
86.50%
SVM
86.02%
98.78%
-12.75%
95.27%
87.98%
RandomForest
42.49%
96.97%
-54.48%
87.83%
49.94%

9. 研究成果- 預測工具開發
名稱:PPAB-palm(Prediction of Palmitoylation site with AAPC and B62)
以網站形式呈現
首頁、預測頁面、聯絡頁面、下載頁面
網站開發
將收集到的資料做為自己的資料庫
挑選適合的屬性做為Model
將預測程式嵌入網站
使用方式
輸入: FASTA格式之資料
輸出: 預測結果之資訊
網站網址:

10. 研究成果- 與現有工具CKSAAP之比較 CKSAAP是一個現有的棕櫚酸酯化作用位置之預測工具
CKSAAP發表於X.B. Wang, L.Y. Wu, Y.C. Wang, N.Y. Deng, Prediction of palmitoylation sites using the composition of k-spaced amino acid pairs, (2009) Protein Eng. Des. Sel., 22, 可至 Sn Sp
Acc
MCC
CKSAAP
71.38%
99.49%
93.6%
80.02%
PPAB
94.43%
94.36%
94.38%
85.50%

11. Thank you for listening!  Q&A