[發明專利]一種基于圖卷積神經網絡的蛋白質自相互作用預測方法

在審

• 申請號: 202010638359.7
• 申請日: 2020-07-06
• 公開（公告）號: CN111863121A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 王磊;閆欣
• 申請（專利權）人: 棗莊學院
• 主分類號: G16B15/30
• 分類號: G16B15/30;G16B40/00
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 李桂存

1.一種基于圖卷積神經網絡的蛋白質自相互作用預測的方法，其特征在于，包括以下步驟：

a、數據集的選擇與建立：利用收集自UniProt、InnateDB、BioGRID、DIP和MatrixDB數據庫的蛋白質序列數據構建預測蛋白質自相互作用的數據集；

b、位置特異性評分矩陣,PSSM矩陣的構建；

c、圖卷積神經網絡的構建：利用深度學習的圖卷積神經網絡算法，將圖卷積解釋為概率度下嵌入函數的積分變換，通過逐層抽取的方式，將復雜的蛋白質進化信息數據轉換為一系列簡單的高級特征；

d、分類器模型的構建：利用隨機森林算法，通過創建多個決策樹的子分類器，并以集成的方式構建分類器模型。

2.根據權利要求1所述的方法，其特征在于，所述的步驟a，對得到的數據集需經過以下處理：

（1）從人類蛋白質組中刪除長度大于5000或小于50個殘基的蛋白質序列；

（2）被選擇作為陽性樣本的蛋白質數據至少滿足以下條件之一：A.在UniProt中，蛋白質被定義為同寡聚體；B.至少有兩篇已發表的文章報道過它們；C.至少通過兩種大規模或一種小規模實驗驗證；

（3）陰性數據集中去除了所有已知的自相互作用蛋白質。

3.根據權利要求1所述的方法，其特征在于，所述的PSSM矩陣為，將蛋白質序列轉化為N*20的矩陣，其中N代表蛋白質的殘基數，20代表為20個氨基酸種類，通過使用BLAST的位置特異性PSIBLAST將每個蛋白質都轉換成PSSM矩陣。

4.根據權利要求1所述的方法，其特征在于，所述的步驟c為利用圖卷積神經網絡提取蛋白質自相互作用拓撲圖的空間特征，其具體步驟為：

從拓撲圖中選擇一個固定長度的節點序列；

對序列中的每個節點，收集固定大小的鄰域集合；

對由當前節點及其對應的鄰域構成的子圖進行規范化，作為卷積結構的輸入；

通過逐層的卷積池化操作逐步提取出數據中隱藏的深度特征；

利用梯度下降法最小化損失函數，對網絡中的權重參數逐層反向調節，并通過多次迭代訓練提高網絡的精度。

5.根據權利要求1所述的方法，其特征在于，所述的步驟d，包括以下步驟：創建隨機森林；基于創建的隨機森林分類器進行預測；

所述的創建隨機森林具體為：

（1）從全部m個特征中隨機選擇K個特征，其中k m；

（2）在K個特征中，用最佳分裂點計算節點d；

（3）用最佳分裂將節點分裂為子節點；

（4）重復前面三步的過程，直到獲得I個數量的節點；

（5）重復第1到第4步n次創建n個樹，從而形成一個森林；

所述的基于創建的隨機森林分類器進行預測具體為：

（1）選取測試特征，用每個隨機創建的決策樹的規律去預測結果，并保存預測的結果；

（2）結算每個預測目標的得票數；

（3）將得票最多的預測目標作為隨機森林算法的最終預測。