[發明專利]一種用于分析蛋白質序列的性質的方法和裝置

有效

• 申請號: 201410123836.0
• 申請日: 2014-03-28
• 公開（公告）號: CN104951667B
• 公開（公告）日: 2018-04-17
• 發明（設計）人: 丁建棟;張亞楠;嚴駿馳;黃振;張超
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06F19/16
• 分類號: G06F19/16
• 代理公司: 北京市金杜律師事務所11256
• 代理人: 酆迅,李崢宇

1.一種用于分析蛋白質序列的性質的方法，包括：

響應于接收到所述蛋白質序列，從參考數據庫中查找與所述蛋白質序列相匹配的至少一個參考蛋白質序列；

通過比較所述蛋白質序列和所述至少一個參考蛋白質序列構成的集合中的任意兩個序列，分別將所述蛋白質序列和所述至少一個參考蛋白質序列映射至特征向量和至少一個參考向量，其中所述至少一個參考蛋白質序列包括兩個或者更多的參考蛋白質序列，包括：分別將所述蛋白質序列與所述至少一個參考蛋白質序列中的任一項進行比較，以將所述蛋白質序列映射至所述特征向量；以及針對所述至少一個參考蛋白質序列中的當前參考蛋白質序列，分別將所述當前參考蛋白質序列與所述至少一個參考蛋白質序列中除所述當前參考蛋白質序列以外的每個參考蛋白質序列以及所述蛋白質序列進行比較，以將所述當前參考蛋白質序列映射至相應的參考向量；

利用所述至少一個參考向量以及所述至少一個參考蛋白質序列的性質來訓練分類器；以及

由所述分類器來基于所述特征向量，分析所述蛋白質序列的性質。

2.根據權利要求1所述的方法，其中響應于接收到所述蛋白質序列，從所述參考數據庫中查找與所述蛋白質序列相匹配的所述至少一個參考蛋白質序列包括：

從所述參考數據庫中查找與所述蛋白質序列的文本內容相近似的所述至少一個參考蛋白質序列。

3.根據權利要求1-2中的任一項所述的方法，其中通過比較所述蛋白質序列和所述至少一個參考蛋白質序列構成的所述集合中的所述任意兩個序列，分別將所述蛋白質序列和所述至少一個參考蛋白質序列映射至特征向量和至少一個參考向量包括：

將所述任意兩個序列進行比較以構造差異矩陣，其中所述差異矩陣中的每個元素是描述所述任意兩個序列之間的差異的集合；

基于所述差異矩陣中的多個列獲取所述特征向量和所述至少一個參考向量。

4.根據權利要求3所述的方法，其中將所述任意兩個序列進行比較以構造所述差異矩陣包括：針對所述任意兩個序列，

標識所述任意兩個序列中的至少一對文本差異片段；

針對所述至少一對文本差異片段中的當前文本差異片段，

比較所述當前文本差異片段的蛋白質結構；以及

響應于所述蛋白質結構不相同，將所述當前文本差異片段的標識符以及相應的蛋白質結構的差異加入與所述任意兩個序列相關聯的元素。

5.根據權利要求4所述的方法，進一步包括：

響應于所述參考數據庫中不存在所述集合中的所述任意兩個序列中的任一項的蛋白質結構，預測所述蛋白質結構。

6.根據權利要求3所述的方法，其中基于所述差異矩陣中的多個列獲取所述特征向量和所述至少一個參考向量包括：針對所述多個列中的一個列，

基于互信息函數來計算與所述列中的每個元素相對應的數值；

將來自每個元素的所述數值進行組合以形成所述特征向量和所述至少一個參考向量中的任一項。

7.根據權利要求1-2中的任一項所述的方法，其中利用所述至少一個參考向量以及所述至少一個參考蛋白質序列的性質來訓練所述分類器包括：

調整與所述分類器相關聯的參數，使得所述分類器針對所述至少一個參考向量中的當前參考向量，將與所述當前參考向量相對應的當前參考蛋白質序列分類至與所述當前參考蛋白質序列的性質相對應的已知分類。

8.根據權利要求7所述的方法，其中由所述分類器來基于所述特征向量，分析所述蛋白質序列的性質包括：

由所述分類器基于所述特征向量，將所述蛋白質序列分類至所述已知分類；以及

基于所述已知分類來分析所述蛋白質序列的性質。

9.根據權利要求1-2中的任一項所述的方法，進一步包括：

將所述蛋白質序列以及分析的所述性質加入所述參考數據庫。