[發明專利]基于動量加速的缺失蛋白質間相互作用預測裝置和方法

有效

• 申請號: 202010953657.5
• 申請日: 2020-09-11
• 公開（公告）號: CN112037850B
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 陳際秋;鐘裕榮;劉志剛;袁野
• 申請（專利權）人: 中國科學院重慶綠色智能技術研究院;重慶大學
• 主分類號: G16B15/30
• 分類號: G16B15/30;G16B40/00
• 代理公司: 重慶市前沿專利事務所(普通合伙) 50211
• 代理人: 郭云

本發明公開一種基于動量加速的缺失蛋白質間相互作用預測裝置和方法，包括S1：輸入初始蛋白質間相互作用數據并構造對稱稀疏矩陣W；S2：構建目標損失函數Q并進行迭代優化；S3：對目標損失函數Q的迭代優化進行動量加速；S4：計算缺失蛋白質間相互作用預測值。本發明通過利用動量加速的對稱非負隱特征分解方法，能夠快速且準確度高的蛋白質相互作用預測，提高考慮數據對稱性狀態下的缺失蛋白質間相互作用預測精度。

技術領域

本發明涉及數據處理技術領域，特別涉及基于動量加速的缺失蛋白質間相互作用預測裝置和方法。

背景技術

蛋白質間的相互作用在人們對生命活動的理解過程中起到了十分重要的作用。由于蛋白質種類眾多，所以通過傳統的生物實驗方法難以完全確定物種所有的蛋白質間相互作用，然而，我們可以通過計算機設計來對物種的所有的蛋白質間相互作用來進行全預測。因此，如何通過計算機設計來快速且精確地預測出蛋白質間缺失的相互作用成為了業界所急需解決的問題。

一般而言，由于蛋白質眾多，且蛋白質間的相互作用信息只有部分是已知的，所以蛋白質間的相互作用網絡是一個無向高維稀疏網絡。近年來，許多學者提出了用于預測缺失蛋白質間相互作用的算法，其中，使用協同過濾的非負矩陣分解方法可以進行缺失值的有效預測。然而，這種方法不僅無法處理高維數據，而且也沒有考慮到數據的對稱性問題，即是說算法的建模并不是針對蛋白質間相互作用這個無向網絡來進行設計的。另一方面，有學者使用對稱非負矩陣分解方法來對其他對稱數據問題來進行缺失值的預測。然而，對稱非負矩陣分解并不能高效地去處理龐大的高維網絡。面向由蛋白質間相互作用數據所構建的龐大的無向高維稀疏網絡，如何在考慮數據對稱性的前提下來對缺失蛋白質間相互作用進行快速且精確地預測，已成為學者們所關注的問題。

發明內容

針對現有技術中考慮數據對稱性的前提下對缺失蛋白質間相互作用預測精度較低的問題，本發明提出一種基于動量加速的缺失蛋白質間相互作用預測裝置和方法，通過利用動量加速的對稱非負隱特征分解方法，能夠快速且準確度高的蛋白質相互作用預測，提高考慮數據對稱性狀態下的缺失蛋白質間相互作用預測精度。

為了實現上述目的，本發明提供以下技術方案：

基于動量加速的缺失蛋白質間相互作用預測裝置，包括依次相連的數據轉換模塊、數據訓練模塊、動量加速模塊和預測數據生成模塊；其中，

所述數據轉換模塊，用于將接收的初始蛋白質間相互作用數據構建為對應的對稱稀疏矩陣W；

所述數據訓練模塊，用于根據已生成的對稱稀疏矩陣W中的所有非缺失值，從而訓練得到隱特征矩陣；

所述動量加速模塊，用于對訓練得到的隱特征矩陣進行動量加速；

所述預測數據生成模塊，用于根據經過動量加速后的隱特征矩陣，計算缺失蛋白質間相互作用的預測值。

優選的,所述數據轉換模塊包括對稱稀疏矩陣生成單元和蛋白質間相互作用數據存儲單元；其中，

所述對稱稀疏矩陣生成單元，用于將接收到的初始蛋白質間相互作用數據構建為對稱稀疏矩陣W；

所述蛋白質間相互作用數據存儲單元，用于存儲已構建完成的對稱稀疏矩陣W內所有的非缺失值。

優選的,所述數據訓練模塊包括初始化單元和參數訓練單元；其中，

所述初始化單元，用于初始化蛋白質間相互作用預測過程中所涉及的參數，所述參數包括隱特征矩陣P、隱特征維數D、最大訓練迭代輪數T、訓練過程中迭代輪數控制變量t、收斂終止閾值τ、正則化因子λ、動量系數γ；

所述參數訓練單元，用于根據已生成的對稱稀疏矩陣W中的所有非缺失值和初始化后的參數來訓練蛋白質間相互作用的隱特征。

優選的,所述動量加速模塊包括增量生成單元、增量控制單元以及增量更新單元；其中，