[發(fā)明專利]基于三元組損失的蛋白質(zhì)折疊識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010947616.5
• 申請(qǐng)日: 2020-09-10
• 公開(kāi)（公告）號(hào): CN112116949B
• 公開(kāi)（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 於東軍;劉巖
• 申請(qǐng)（專利權(quán)）人: 南京理工大學(xué)
• 主分類號(hào): G16B15/20
• 分類號(hào): G16B15/20;G06N3/04
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 岑丹

1.一種基于三元組損失的蛋白質(zhì)折疊識(shí)別方法，其特征在于，包括以下步驟：

步驟1：訓(xùn)練數(shù)據(jù)預(yù)處理：使用One-hot編碼分別對(duì)N組蛋白質(zhì)訓(xùn)練數(shù)據(jù)進(jìn)行編碼，得到蛋白質(zhì)序列的數(shù)字表達(dá)；

步驟2：把蛋白質(zhì)序列的One-hot編碼輸入到SSA蛋白質(zhì)殘基與殘基接觸圖預(yù)測(cè)工具中，預(yù)測(cè)獲得蛋白質(zhì)殘基與殘基之間的接觸圖；

步驟3：將接觸圖固定為設(shè)定大小，獲得N個(gè)固定大小的矩陣；

步驟4：將N個(gè)矩陣生成三元組數(shù)據(jù)，將三元組數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡(luò)，并以三元組損失作為目標(biāo)函數(shù)，使用隨機(jī)梯度下降算法迭代至設(shè)定次數(shù)，選取三元組損失最小的卷積神經(jīng)網(wǎng)絡(luò)模型保存；

步驟5：將查詢蛋白與所有的模板蛋白按照步驟1-3進(jìn)行處理后分別輸入保存的卷積神經(jīng)網(wǎng)絡(luò)中，將卷積神經(jīng)網(wǎng)絡(luò)輸出的結(jié)果作為蛋白質(zhì)特定于折疊類型的特征；

步驟6：計(jì)算查詢蛋白與模板蛋白的相似度，將相似度最高的模板蛋白的折疊類型分配給查詢蛋白。

2.根據(jù)權(quán)利要求1所述的基于三元組損失的蛋白質(zhì)折疊識(shí)別方法，其特征在于，步驟3中將接觸圖大小固定為256×256。

3.根據(jù)權(quán)利要求1所述的基于三元組損失的蛋白質(zhì)折疊識(shí)別方法，其特征在于，步驟3中采用抽樣或者填充操作對(duì)接觸圖大小進(jìn)行固定。

4.根據(jù)權(quán)利要求1所述的基于三元組損失的蛋白質(zhì)折疊識(shí)別方法，其特征在于，每個(gè)三元組包含一個(gè)錨定蛋白、一個(gè)正蛋白、一個(gè)負(fù)蛋白，所述正蛋白折疊類型與錨定蛋白相同，所述負(fù)蛋白折疊類型與錨定蛋白不同。

5.根據(jù)權(quán)利要求1所述的基于三元組損失的蛋白質(zhì)折疊識(shí)別方法，其特征在于，目標(biāo)函數(shù)具體為：

式中，表示的是錨定蛋白與正樣本蛋白之間的歐式距離，表示的是錨定蛋白與負(fù)樣本蛋白之間的歐式距離，m是指錨定蛋白與正樣本蛋白之間的歐式距離與錨定蛋白與負(fù)樣本蛋白之間的歐式距離之間的最小間隔，[]₊表示括號(hào)內(nèi)的值大于0則取該值為損失，小于0的時(shí)候，取0為損失。

6.根據(jù)權(quán)利要求1所述的基于三元組損失的蛋白質(zhì)折疊識(shí)別方法，其特征在于，計(jì)算查詢蛋白與模板蛋白的余弦距離作為相似度評(píng)分，距離越小，評(píng)分越高。