1. 研究目的与意义、国内外研究现状（文献综述）
作为一种重要的翻译后修饰活动,蛋白质的磷酸化在多种细胞生命活动中起着调控作用。蛋白质磷酸化被形象地描述为细胞生命活动的分子开关,几乎对生命活动的所有过程都有着重要的影响（如细胞生长、发育、凋亡等）。因此,深入研究磷酸化的机理以及对蛋白质磷酸化位点的预测,是现代生物学研究中值得探索的研究方向之一。蛋白质磷酸化位点的研究，主要有基于实验和预测的方法。同时，蛋白质憐酸化修饰数据的积累为生物信息学的快速发展提供了极大的推动力。
参考文献：
[1]范文文. 基于多特征的蛋白质磷酸化预测算法研究[d].中国科学技术大学,2014.
2. 研究的基本内容和问题
蛋白质的磷酸化是一种重要的蛋白质修饰，调节着生物体内的许多生命活动过程。
在本研究中，蛋白质底物与蛋白质激酶相互作用为磷酸化网络中的链路，因此相互作用的预测也就是链路的预测。
常常通过生物学实验来鉴定蛋白质底物与蛋白质激酶之间作用关系，其准确性高但效率较低、成本较高，无法对大量的磷酸化数据进行快速有效鉴定。
3. 研究的方法与方案
利用机器学习的方法（支持向量机等）来预测磷酸化网络中，蛋白质底物与蛋白质激酶之间的相互作用关系，主要方案为：
（1） 搜集相关的数据，如蛋白序列信息、相互作用关系信息等；
（2）运用合适的方法将蛋白质序列转换为数字形式；
4. 研究创新点
传统方法研究蛋白质底物与蛋白质激酶之间的相互作用关系，主要是通过实验验证的方式，本文摒弃这一效率低下、成本较高的方法，采用机器学习算法，用大量数据预测潜在的蛋白质底物与蛋白质激酶之间相互作用，从而提高工作效率。
5. 研究计划与进展
前期：搜集数据库中的蛋白质序列信息及蛋白质互作数据，并借助matlab编写程序，将其整理成可以用统计学方法处理的数字形式。
中期：数据优化。首先，由于初始特征数量过大，需要进行选择，借助mrmr和pca的方法，得出重要性较高的特征，并且保留数据的整体特性。再对svm的参数进行寻优，主要利用网格法进行交叉验证，寻找最优的参数。
后期：建立分类模型，并验证准确率，若不符合预期，将重复进行中期工作。。
