[發(fā)明專利]基于加權(quán)組成位置向量和支持向量機(jī)的蛋白質(zhì)結(jié)構(gòu)類預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510429363.1
• 申請(qǐng)日: 2015-07-21
• 公開(kāi)（公告）號(hào): CN105205343A
• 公開(kāi)（公告）日: 2015-12-30
• 發(fā)明（設(shè)計(jì)）人: 鄒小勇;周喜斌;李占潮;戴宗
• 申請(qǐng)（專利權(quán)）人: 廣東順德中山大學(xué)卡內(nèi)基梅隆大學(xué)國(guó)際聯(lián)合研究院;中山大學(xué)
• 主分類號(hào): G06F19/12
• 分類號(hào): G06F19/12
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 林麗明

技術(shù)領(lǐng)域

本發(fā)明屬于蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)技術(shù)領(lǐng)域，更具體地，涉及一種基于加權(quán)組成位置向量的蛋白質(zhì)結(jié)構(gòu)類預(yù)測(cè)方法。

背景技術(shù)

蛋白質(zhì)的三維結(jié)構(gòu)十分復(fù)雜，只有折疊成正確的空間結(jié)構(gòu)才能行使其生物功能。蛋白質(zhì)整體折疊模式(foldingpattern)可以通過(guò)蛋白質(zhì)結(jié)構(gòu)類來(lái)進(jìn)行描述，主要包括四種，即全a、全b、a/b和a+b。其中全a類中主要包含的二級(jí)結(jié)構(gòu)單元為a螺旋(a-helix)，全b類主要包含的二級(jí)結(jié)構(gòu)單元為b折疊(b-sheet)，a/b類同時(shí)包含a螺旋和b折疊，并且b折疊片的走向主要為平行，a+b類也同時(shí)包含a螺旋和b折疊，但是b折疊片的走向主要為反向平行。結(jié)構(gòu)類是蛋白質(zhì)的主要性質(zhì)之一，對(duì)于蛋白質(zhì)結(jié)構(gòu)類的預(yù)測(cè)，將有助于提高蛋白質(zhì)二級(jí)結(jié)構(gòu)和三級(jí)結(jié)構(gòu)的預(yù)測(cè)率，對(duì)于研究蛋白質(zhì)結(jié)構(gòu)與功能關(guān)系，具有重要的理論意義和實(shí)用價(jià)值。

在蛋白質(zhì)結(jié)構(gòu)類預(yù)測(cè)模型的構(gòu)建中，蛋白質(zhì)序列表征方法是影響模型預(yù)測(cè)性能的關(guān)鍵。氨基酸組成是一種簡(jiǎn)單、有效的蛋白質(zhì)序列表征方法，通過(guò)氨基酸組成，蛋白質(zhì)序列可以表征為一個(gè)20維的離散向量。事實(shí)上，許多預(yù)測(cè)方法都是基于蛋白質(zhì)的氨基酸組成提出的。然而，用氨基酸組成來(lái)表征蛋白質(zhì)序列會(huì)丟失氨基酸殘基之間的順序信息，氨基酸組成表征方法無(wú)法區(qū)分氨基酸組成相同而排列次序不同的蛋白質(zhì)序列，限制了預(yù)測(cè)方法性能的提高。因此，近年來(lái)研究者們又提出了許多新的蛋白質(zhì)序列表征方法，包括：偽氨基酸組成、氨基酸對(duì)耦合組成、多肽組成、功能域組成以及其他的蛋白質(zhì)表征方法。隨著后基因組時(shí)代的來(lái)臨，序列已知的蛋白質(zhì)數(shù)目以及結(jié)構(gòu)類已知的蛋白質(zhì)數(shù)目之間的差距正在不斷擴(kuò)大。為了縮小這種差距，提高蛋白質(zhì)結(jié)構(gòu)類的預(yù)測(cè)率，建立新的蛋白質(zhì)表征方法屬研究熱點(diǎn)，發(fā)展自動(dòng)、可靠的預(yù)測(cè)方法意義重大。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是克服現(xiàn)有技術(shù)的不足，提供一種新的簡(jiǎn)單、快速、靈敏的蛋白質(zhì)序列表征方法——加權(quán)組成位置向量，在組成位置向量的基礎(chǔ)上，引入加權(quán)思想，與支持向量機(jī)結(jié)合，采用直接多類分類策略，對(duì)蛋白質(zhì)結(jié)構(gòu)類預(yù)測(cè)進(jìn)行了研究，有望應(yīng)用于其它蛋白質(zhì)預(yù)測(cè)領(lǐng)域。該表征方法不僅含有氨基酸組成的信息，而且還包含了蛋白質(zhì)序列中每個(gè)氨基酸殘基的位置信息，并且與蛋白質(zhì)序列之間是一一對(duì)應(yīng)的函數(shù)關(guān)系，該方法通過(guò)調(diào)節(jié)加權(quán)因子可以明顯地提高預(yù)測(cè)精度，預(yù)測(cè)結(jié)果優(yōu)于文獻(xiàn)報(bào)道的多數(shù)方法。

本發(fā)明的目的是提供一種基于加權(quán)組成位置向量的蛋白質(zhì)結(jié)構(gòu)類預(yù)測(cè)方法。

本發(fā)明上述目的是通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：

一種基于加權(quán)組成位置向量和支持向量機(jī)的蛋白質(zhì)結(jié)構(gòu)類預(yù)測(cè)方法，包括以下步驟：

S1.選取或構(gòu)建蛋白質(zhì)結(jié)構(gòu)類標(biāo)準(zhǔn)數(shù)據(jù)集；

S2.用加權(quán)組成位置向量的蛋白質(zhì)序列表征方法表征步驟S1數(shù)據(jù)集中的每一條蛋白質(zhì)序列，加權(quán)組成位置向量可以表示如下：

X＝(c₁，c₂，…，c₂₀，c₁，c₂，…，c₂₀)^T

X是40維特征向量，前20個(gè)元素是氨基酸組成，后20個(gè)元素是加權(quán)的位置向量，計(jì)算如下：

ci′=wL(L-1)Σj=1lpij,i=(1,...,20)]]>

式中，w為權(quán)重因子，為一大于0的整數(shù)；

L是蛋白質(zhì)序列的長(zhǎng)度；

l是第i種氨基酸在蛋白質(zhì)序列中出現(xiàn)的次數(shù)；