[發(fā)明專利]一種基于空間結(jié)構(gòu)的蛋白質(zhì)相互作用預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910979313.9
• 申請(qǐng)日: 2019-10-15
• 公開（公告）號(hào): CN110853702B
• 公開（公告）日: 2022-05-24
• 發(fā)明（設(shè)計(jì)）人: 張利達(dá);雷雨;洪劍偉;鄭存儉;趙佳薇
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G16B15/00
• 分類號(hào): G16B15/00;G16B20/30;G16B40/00
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 丁云

1.一種基于空間結(jié)構(gòu)的蛋白質(zhì)相互作用預(yù)測(cè)方法，其特征在于，該方法包括如下步驟：

(1)采集蛋白質(zhì)三維空間結(jié)構(gòu)標(biāo)準(zhǔn)數(shù)據(jù)；

(2)利用三維空間結(jié)構(gòu)標(biāo)準(zhǔn)數(shù)據(jù)構(gòu)建蛋白質(zhì)相互作用正、負(fù)樣本數(shù)據(jù)集；

(3)提取正、負(fù)樣本數(shù)據(jù)集中的蛋白質(zhì)三維空間結(jié)構(gòu)標(biāo)準(zhǔn)數(shù)據(jù)的結(jié)構(gòu)矩陣；

(4)構(gòu)建用于蛋白質(zhì)相互作用預(yù)測(cè)的深度學(xué)習(xí)模型；

(5)將正、負(fù)樣本集中的結(jié)構(gòu)矩陣輸入至深度學(xué)習(xí)模型，訓(xùn)練深度學(xué)習(xí)模型；

(6)對(duì)目標(biāo)蛋白質(zhì)序列進(jìn)行同源建模獲取目標(biāo)蛋白質(zhì)三維空間結(jié)構(gòu)數(shù)據(jù)；

(7)提取目標(biāo)蛋白質(zhì)三維空間結(jié)構(gòu)數(shù)據(jù)的結(jié)構(gòu)矩陣；

(8)將目標(biāo)蛋白質(zhì)的結(jié)構(gòu)矩陣輸入至訓(xùn)練好的深度學(xué)習(xí)模型預(yù)測(cè)得到目標(biāo)蛋白質(zhì)相互作用的概率；

步驟(3)和步驟(7)中結(jié)構(gòu)矩陣包括三個(gè)，分別為X-Y矩陣、X-Z矩陣和Y-Z矩陣；

結(jié)構(gòu)矩陣通過如下方式得到：

(a)對(duì)氨基酸進(jìn)行數(shù)字編碼，每個(gè)氨基酸對(duì)應(yīng)一個(gè)自然數(shù)編碼；

(b)針對(duì)每個(gè)蛋白質(zhì)，從蛋白質(zhì)三維空間結(jié)構(gòu)標(biāo)準(zhǔn)數(shù)據(jù)中提取每個(gè)氨基酸的三維坐標(biāo)(x,y,z)，x、y、z對(duì)應(yīng)為X、Y、Z坐標(biāo)值；

(c)對(duì)氨基酸的X、Y、Z坐標(biāo)值進(jìn)行四舍五入取整得到(x′,y′,z′)，x′、y′、z′對(duì)應(yīng)為x、y、z的四舍五入取整值，進(jìn)而得到該氨基酸的X-Y矩陣坐標(biāo)點(diǎn)(x′,y′)、X-Z矩陣坐標(biāo)點(diǎn)(x′,z′)和Y-Z矩陣坐標(biāo)點(diǎn)(y′,z′)；

(d)對(duì)蛋白質(zhì)中的氨基酸分別在X-Y矩陣坐標(biāo)點(diǎn)、X-Z矩陣坐標(biāo)點(diǎn)和Y-Z矩陣坐標(biāo)點(diǎn)位置處賦值對(duì)應(yīng)的氨基酸自然數(shù)編碼得到X-Y矩陣、X-Z矩陣和Y-Z矩陣。

2.根據(jù)權(quán)利要求1所述的一種基于空間結(jié)構(gòu)的蛋白質(zhì)相互作用預(yù)測(cè)方法，其特征在于，步驟(1)中蛋白質(zhì)三維空間結(jié)構(gòu)標(biāo)準(zhǔn)數(shù)據(jù)為PDB數(shù)據(jù)庫(kù)中的原始蛋白質(zhì)亞基-蛋白質(zhì)亞基復(fù)合體結(jié)構(gòu)數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的一種基于空間結(jié)構(gòu)的蛋白質(zhì)相互作用預(yù)測(cè)方法，其特征在于，步驟(2)具體為：

將PDB數(shù)據(jù)庫(kù)中的蛋白質(zhì)亞基復(fù)合體拆分成兩兩互作的蛋白質(zhì)亞基對(duì)，形成正樣本數(shù)據(jù)集；

將所有拆分的蛋白質(zhì)亞基隨機(jī)組合構(gòu)成非互作蛋白質(zhì)亞基對(duì)，形成負(fù)樣本數(shù)據(jù)集，且負(fù)樣本數(shù)據(jù)集中的數(shù)據(jù)滿足：1)負(fù)樣本數(shù)據(jù)不存在于正樣本數(shù)據(jù)集中，2)負(fù)樣本蛋白質(zhì)對(duì)不同時(shí)存在于同一蛋白質(zhì)復(fù)合體。

4.根據(jù)權(quán)利要求1所述的一種基于空間結(jié)構(gòu)的蛋白質(zhì)相互作用預(yù)測(cè)方法，其特征在于，所述的深度學(xué)習(xí)模型為卷積神經(jīng)網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求4所述的一種基于空間結(jié)構(gòu)的蛋白質(zhì)相互作用預(yù)測(cè)方法，其特征在于，訓(xùn)練深度學(xué)習(xí)模型包括模型參數(shù)的優(yōu)化，所述的模型參數(shù)包括：批尺寸、訓(xùn)練周期、優(yōu)化算法、學(xué)習(xí)速率、Dropout正則化以及隱藏層中神經(jīng)元數(shù)量。

6.根據(jù)權(quán)利要求1所述的一種基于空間結(jié)構(gòu)的蛋白質(zhì)相互作用預(yù)測(cè)方法，其特征在于，步驟(6)采用Modpipe同源建模軟件對(duì)目標(biāo)蛋白質(zhì)序列進(jìn)行同源建模。