[發明專利]使用KNN計算與相似性比對預測蛋白質亞細胞區間方法

在審

• 申請號: 201610072828.7
• 申請日: 2016-02-02
• 公開（公告）號: CN105760711A
• 公開（公告）日: 2016-07-13
• 發明（設計）人: 張梁;薛衛;王雄飛;楊榮麗
• 申請（專利權）人: 江南大學
• 主分類號: G06F19/18
• 分類號: G06F19/18
• 代理公司: 無錫華源專利商標事務所(普通合伙) 32228
• 代理人: 林弘毅;聶漢欽

1.一種使用KNN計算與相似性比對預測蛋白質亞細胞區間方法，其特征在于，包括以下步驟：

步驟1、提取蛋白質序列數據集中所有蛋白質序列的AAC特征；

步驟2、在蛋白質序列數據集中選取一條蛋白質序列設定為測試序列，其余蛋白質序列設定為訓練集，通過KNN算法，確定預測范圍內的蛋白質序列集合；

步驟3、將所預測序列與預測范圍內的蛋白質序列集合進行Blast相似性比對計算，得到最高相似性序列；最高相似性序列所屬的區間就是所預測序列的所屬區間。

2.如權利要求1所述的使用KNN計算與相似性比對預測蛋白質亞細胞區間方法，其特征在于，所述步驟1具體包括：

步驟1-A、將蛋白質序列數據集中每條蛋白質序列表示為P：

P＝R₁R₂R₃R₄R₅…R_L；

上式中，L為蛋白質序列的長度，R_i(i＝1…L)為蛋白質序列中第i個氨基酸殘基；

步驟1-B、計算每條蛋白質序列P的AAC特征：

P_AAC＝[f₁,f₂,…f₂₀]^T；

上式中，f_u(u＝1,2,3,…,20)表示第u種氨基酸在蛋白質序列P中出現的頻率。

3.如權利要求2所述的使用KNN計算與相似性比對預測蛋白質亞細胞區間方法，其特征在于，所述步驟1-B中第u種氨基酸在蛋白質序列P中出現的頻率f_u的計算方法為：

fu=1NΣi=1LRi,Ri=1,IfRi=A(u)0,IfRi≠A(u);]]>

上式中，L表示蛋白質序列的長度，N表示一個蛋白質序列所包含的所有氨基酸殘基的總數目，A(u)表示序號u所對應的氨基酸殘基。