[發明專利]一種基于卷積神經網絡的DNA綁定殘基預測方法

在審

• 申請號: 202010918314.5
• 申請日: 2020-09-03
• 公開（公告）號: CN112149881A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 胡俊;白巖松;鄭琳琳;樊學強;張貴軍
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06N3/04;G16B30/00;G16B50/30
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于卷積神經網絡的DNA綁定殘基預測方法，其特征在于，所述預測方法包括以下步驟：

1)輸入一個殘基數為L的待進行DNA綁定殘基預測的蛋白質序列S；

2)對蛋白質序列S，使用HHblits程序搜索蛋白質序列數據庫Uniclust30獲取一個大小為M×L的多序列聯配信息，記作MSA；然后從MSA中提取一個大小為L×21的位置特異性頻率矩陣，記作PSFM；

3)對蛋白質序列S，使用PSIPRED程序獲取一個大小為L×3的二級結構矩陣，記作PSS；

4)對蛋白質序列S，使用SANN程序獲取一個大小為L×3的溶劑可及性特征矩陣，記作PSA；

5)對蛋白質序列S，使用I-LBR程序獲取一個大小為L×1的綁定位點概率預測矩陣，記作ILBR；

6)將步驟2)至5)中獲取的特征矩陣PSFM、PSS、PSA與ILBR組合為一個L×28的特征矩陣，記作F；

7)將F的首行前和尾行后分別填充7行28列的全為0的數據，記作F1；使用一個大小為15×28的窗口，以1為步長在F1中上下滑動，每一次滑動，將窗口的第8行所對應的殘基作為預測目標，提取一個大小為15×28的特征矩陣，記作f_fea；

8)將f_fea轉化為一個大小為28×15×15特征張量，記作f_cube，f_cube的任一位置元素由下列等式計算得到：

其中，f_fea(m,i),f_fea(n,i)分別表示f_fea中第m行第i列元素和第n行第i列元素；

9)蛋白質序列S中每一個殘基對應的樣本表示為(f_cube,label)_i，i＝1,2,…,L，f_cube和label分別表示該殘基的特征張量和該殘基是否綁定DNA的標簽信息；

10)搭建卷積神經網絡預測蛋白質序列S的DNA綁定殘基，該網絡共有四層，前兩層為卷積層，后兩層為全連接層，每一層的輸出作為下一層的輸入，使用sigmoid激活函數使網絡的輸出值在(0,1)范圍內，該網絡的輸出記為：

g(I)＝sigmoid(net2(net1(conv2(conv1(I)))))

其中，I表示網絡的輸入，conv1、conv2代表前兩層卷積層的運算，net1、net2代表后兩層全連接層的運算；

11)從PDB數據庫中獲取已知DNA綁定殘基狀態的蛋白質序列作為訓練蛋白質集合，對每一個訓練蛋白質序列，使用步驟2)-9)生成每個殘基樣本，構成訓練樣本集；

12)使用步驟11)中構建的訓練樣本集訓練步驟10)中搭建的卷積神經網絡，訓練階段都采用二分類交叉熵損失函數調整網絡中的參數，二分類交叉熵損失函數記作：

其中，u表示蛋白質序列中待測殘基的真實標簽，表示網絡模型的預測輸出值，Y表征預測輸出與真實標簽的差距；

13)將蛋白質S中每個生成的殘基樣本輸入到步驟12)訓練的模型中，根據模型的輸出概率是否大于判定閾值threshold，來判斷對應殘基是否為DNA綁定殘基。