[發明專利]一種基于BP神經網絡的蛋白質二級結構預測方法

在審

• 申請號: 201610020567.4
• 申請日: 2016-01-13
• 公開（公告）號: CN105740646A
• 公開（公告）日: 2016-07-06
• 發明（設計）人: 傅娟;湯達祺;湯德佑
• 申請（專利權）人: 湖南工業大學;華南理工大學
• 主分類號: G06F19/16
• 分類號: G06F19/16;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及生物信息領域，特別涉及蛋白質二級結構預測方法。

背景技術

蛋白質的高級結構決定其生物功能，其中蛋白質二級結構由其氨基酸序列特征決定，是預測高級結構的基礎。蛋白質二級結構主要利用氨基酸序列信息，通過實驗分析或統計方法對蛋白質的二級結構進行預測，當預測的正確率達到80％以上時，就可以比較準確的描述蛋白質的空間結構。隨著DNA分析和測序技術的發展，通過對DNA的推導和分析獲得了大量的蛋白質序列信息，但是通過傳統實驗和統計方法分析獲得的蛋白質結構卻很少，蛋白質結構數據更新緩慢，阻礙了蛋白質結構和功能相關研究的發展，目前研究的重點逐漸開始轉向尋找新的結構預測方法。

人工神經網絡(ArtificialNeuralNetwork，即ANN)，由人腦神經元網絡抽象而來，從信息分析和處理的角度，對自然神經網絡的特性進行抽象和模擬，按不同的規則和連接方式組成網絡。BP神經網絡算法是目前應用最廣泛的神經網絡模型之一，被成功應用于信息、生物和醫學等領域的研究中。BP神經網絡算法的引入，使蛋白質結構預測獲得了新的途徑。

發明內容

本發明針對蛋白質二級結構預測準確率低及BP神經網絡存在的缺陷，對網絡的學習過程進行改進的問題，提供一種用于蛋白質二級結構預測的BP神經網絡訓練及預測方法。

本發明是通過下述方案予以實現的，一種基于BP神經網絡的蛋白質二級結構預測方法，采用下述步驟實現：

步驟一、從PDB中選取一組α螺旋、β折疊和卷曲三類結構占正常比例的蛋白質結構數據組成訓練樣本集；

步驟二、采用六位輸入編碼蛋白質的氨基酸序列信息，采用滑動窗口選定輸入范圍；

步驟三、BP神經網絡訓練參數初始化，滑動窗口位置初始化；

步驟四·一、隱藏層輸出計算，選取訓練樣本輸入網絡，計算隱藏層輸出；

步驟四·二、輸出層輸出計算，利用隱藏層計算獲得的輸出，計算輸出層輸出；

步驟四·三、輸出層權值誤差計算，比較網絡實際輸出與期望輸出，計算輸出層權值誤差；

步驟四·四、隱藏層權值誤差計算，利用輸出層校正誤差和隱藏層輸出，計算獲得隱藏層權值誤差；

步驟四·五、反向調整網絡中各神經元的權值，根據誤差計算權值調整量，對神經元的權值和閾值進行調整；

步驟四·六、滑動窗口右移一位，跳至四·一，直到整個蛋白質序列計算完成；

步驟四·七、選擇下一條訓練樣本進行學習，跳至四·一，直到所有序列計算完成；

步驟四·八判斷網絡誤差是否小于期望誤差，若小于期望誤差則結束訓練，否則判斷迭代次數是否達到最大學習次數，當小于最大學習次數時跳步驟四·一，否則結束訓練；

步驟五、輸入測試數據，判定蛋白質序列所對應的二級結構。

本發明采用BP神經網絡算法對蛋白質二級結構進行預測，并針對BP神經網絡存在的缺陷，對網絡的學習過程進行改進。在網絡學習過程中，采用批處理學習模式，提升計算過程的并行空間，提高網絡收斂速度；其次，基于梯度方法上進行優化，引入附帶動量項和自適應學習率的學習規則，避免“振蕩現象”和陷入局部極小值。在網絡結構和相關技術的選擇上，在輸入層采用六位輸入編碼方式和滑動窗口技術，隱藏層結構根據經驗公式和滑動窗口大小進行設置，輸出層依據DSSP算法對蛋白質二級結構的分類進行輸出預測。

附圖說明

圖1為滑動窗口示意圖，窗口大小為2n+1，窗口兩側長度均為n，待預測氨基酸殘基為窗口中心位置的殘基I，輸入網絡的相鄰氨基酸殘基為YFQSMSVKGR和YSILKQIG，則網絡的期望輸出則為T。隨后窗口右移一個位置，對下一個殘基的結構進行預測，則待預測氨基酸殘基變為Y，期望輸出為E。

圖2為六位編碼方式示例圖，窗口中心的丙氨酸(A)的編碼為000011，窗口右側異亮氨酸(I)的編碼為010000.125。

圖3為用于蛋白質二級結構的BP神經網絡模型，輸入層有N個神經元，隱藏層有T個神經元，輸出層有M個神經元。

圖4為BP神經網絡訓練流程圖，是對訓練樣本集進行反復學習，使網絡逐漸收斂的過程。

具體實施方式

一種基于BP神經網絡的蛋白質二級結構預測方法，采用下述方法具體實施：

具體實施方式一：下面結合圖1、圖2、圖3具體說明本實施方式。

步驟一、從PDB中選取一組α螺旋、β折疊和卷曲三類結構占正常比例的蛋白質結構數據組成訓練樣本集，三類結構比例均在20％～40％間，卷曲結構偏多；