[發明專利]一種甲基化作用的預測方法、裝置

有效

• 申請號: 201310534661.8
• 申請日: 2013-10-31
• 公開（公告）號: CN103559423B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 周豐豐;趙苗苗;張召;劉記奎;葛瑞泉
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06F19/12
• 分類號: G06F19/12
• 代理公司: 深圳中一專利商標事務所44237
• 代理人: 張全文

1.一種甲基化作用的預測方法，其特征在于，所述方法包括：

下載得到被甲基化作用的數據；

根據所述被甲基化作用的數據獲取原始蛋白質序列數據；

對所述原始蛋白質序列數據進行預處理，得到陽性數據集和陰性數據集；

對所述陽性數據集和所述陰性數據集中的字符串數據進行編碼，得到數值型數據；

對所述陽性數據集和所述陰性數據集中的數值型數據利用分類算法進行建模，根據建模得到的模型計算最佳的分割方式，最后根據所述分割方式將需要預測是否被甲基化的數據集中的數據劃分為兩類，一類為被甲基化作用的數據，另一類為沒有被甲基化作用的數據。

2.如權利要求1所述的方法，其特征在于，所述根據所述被甲基化作用的數據獲取原始蛋白質序列數據包括：

從所述被甲基化作用的數據中依次讀取被甲基化作用的蛋白質名稱；

根據蛋白質名稱依次從網頁http://www.uniprot.org/uniprot/中查找與每個蛋白質名稱對應的數據；

由這些數據組成與各個蛋白質名稱對應的原始蛋白質序列，所述原始蛋白質序列數據中包括與所述被甲基化作用的數據中的各個蛋白質名稱對應的被甲基化作用的數據和沒有被甲基化作用的數據。

3.如權利要求1所述的方法，其特征在于，所述對所述原始蛋白質序列數據進行預處理，得到陽性數據集和陰性數據集包括：

以K或R為中心，從所述原始蛋白質序列數據中選取設定長度的字符串；

將被甲基化作用的字符串作為陽性對照，而其他的沒有被甲基化作用的字符串作為陰性對照；

將陽性對照添加至陽性數據集中，將陰性對照添加至陰性數據集中。

4.如權利要求1所述的方法，其特征在于，所述對所述陽性數據集和所述陰性數據集中的字符串數據進行編碼，得到數值型數據中的編碼方法包括概率型編碼、數值編號型編碼、正交型編碼和二進制編碼中的一種。

5.如權利要求1所述的方法，其特征在于，所述分類算法是隨機森林、隨機樹中的一種。

6.一種甲基化作用的預測裝置，其特征在于，所述裝置包括：

數據下載單元，用于下載得到被甲基化作用的數據；

原始數據獲取單元，用于根據所述被甲基化作用的數據獲取原始蛋白質序列數據；

預處理單元，用于對所述原始蛋白質序列數據進行預處理，得到陽性數據集和陰性數據集；

編碼單元，用于對所述陽性數據集和所述陰性數據集中的字符串數據進行編碼，得到數值型數據；

分類單元，用于對所述陽性數據集和所述陰性數據集中的數值型數據利用分類算法進行建模，根據建模得到的模型計算最佳的分割方式，最后根據所述分割方式將需要預測是否被甲基化的數據集中的數據劃分為兩類，一類為被甲基化作用的數據，另一類為沒有被甲基化作用的數據。

7.如權利要求6所述的裝置，其特征在于，所述原始數據獲取單元包括：

蛋白質名稱獲取模塊，用于從所述被甲基化作用的數據中依次讀取被甲基化作用的蛋白質名稱；

數據查找模塊，用于根據蛋白質名稱依次從網頁http://www.uniprot.org/uniprot/中查找與每個蛋白質名稱對應的數據；

數據拼接模塊，用于由這些數據組成與各個蛋白質名稱對應的原始蛋白質序列，所述原始蛋白質序列數據中包括與所述被甲基化作用的數據中的各個蛋白質名稱對應的被甲基化作用的數據和沒有被甲基化作用的數據。

8.如權利要求6所述的裝置，其特征在于，所述預處理單元包括：

字符串選定模塊，用于以K或R為中心，從所述原始蛋白質序列數據中選取設定長度的字符串；

陽陰性對照獲取模塊，用于將被甲基化作用的字符串作為陽性對照，而其他的沒有被甲基化作用的字符串作為陰性對照；

數據集獲得模塊，用于將陽性對照添加至陽性數據集中，將陰性對照添加至陰性數據集中。

9.如權利要求6所述的裝置，其特征在于，所述編碼單元采用的編碼方法是概率型編碼、數值編號型編碼、正交型編碼和二進制編碼中的一種。

10.如權利要求6所述的裝置，其特征在于，所述分類單元采用的分類算法是隨機森林、隨機樹中的一種。