[發明專利]預測蛋白質RNA結合物熱點的方法、系統及存儲介質

在審

• 申請號: 201810299939.0
• 申請日: 2018-04-04
• 公開（公告）號: CN108563922A
• 公開（公告）日: 2018-09-21
• 發明（設計）人: 鄧磊;潘玉亮
• 申請（專利權）人: 中南大學
• 主分類號: G06F19/22
• 分類號: G06F19/22
• 代理公司: 長沙朕揚知識產權代理事務所(普通合伙) 43213
• 代理人: 何湘玲

1.一種預測蛋白質RNA結合物熱點的方法，其特征在于，包括：

步驟S1、構建蛋白質RNA復合物的初始數據集；

步驟S2、對所述初始數據集進行過濾，篩選出蛋白質RNA結合面上的殘基，并過濾掉蛋白質內部的殘基、以及蛋白質表面殘基；所述蛋白質RNA結合面上的殘基的篩選條件包括：

條件1、單個蛋白質鏈中的殘基溶劑可及性值減去復合物中相對應鏈中的目標殘基的溶劑可及性值的差值大于

條件2、單個蛋白質鏈的各個殘基的溶劑可及性值除以相應殘基最大的溶劑可及性值的比例大于5％；

步驟S3、對所篩選出的蛋白質RNA結合面上的殘基所對應的復合物進行去同源處理，得到用于分類的有效數據集，所述有效數據集包括已明確標簽的一類數據和待明確標簽的二類數據，在所述一類數據中，將結合能大于等于1.0的數據作為正樣本的熱點數據，結合能小于1.0的作為負樣本數據；

步驟S4、根據所述一類數據，采用半監督學習算法中的標簽傳播算法對所述二類數據進行標簽值預測，并將預測后的數據歸入訓練集，所述訓練集還包括部分所述一類數據；同時，從所述一類數據中抽取部分數據構建成測試集；所述訓練集和測試集不存在交集且都含有正樣本和負樣本；

步驟S5、以序列特征、結構特征、殘基相互作用網絡特征和溶劑暴露特征作為特征集，將同一樣本的各個特征值整合到一條特征序列中組合構造成樣本的特征集合；

步驟S6、基于各樣本的特征集合，以極度梯度提升算法、神經網絡算法和極性隨機數算法分別構造分類器以對每個樣本的分類進行投票，然后對各分類器的投票結果進行加權平均得到蛋白質RNA結合面上殘基是否為熱點的預測結果。

2.根據權利要求1所述的預測蛋白質RNA結合物熱點的方法，其特征在于，各所述分類器的投票結果都為0到1之間的概率值，若三個概率值加權平均的最終結果大于或等于0.5，則判定為正樣本，即熱點，反之為非熱點。

3.一種預測蛋白質RNA結合物熱點的系統，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現上述權利要求1或2所述方法的步驟。

4.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現上述權利要求1或2所述方法的步驟。