[發(fā)明專利]基于局部進(jìn)化信息的DNA結(jié)合蛋白預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011389444.0
• 申請(qǐng)日: 2020-12-01
• 公開(kāi)（公告）號(hào): CN112489723B
• 公開(kāi)（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 於東軍;韓陽(yáng)
• 申請(qǐng)（專利權(quán)）人: 南京理工大學(xué)
• 主分類號(hào): G16B20/00
• 分類號(hào): G16B20/00;G16B30/00
• 代理公司: 南京理工大學(xué)專利中心 32203
• 代理人: 岑丹

1.一種基于局部進(jìn)化信息的DNA結(jié)合蛋白預(yù)測(cè)方法，其特征在于，具體步驟為：

步驟1：提取蛋白質(zhì)的進(jìn)化信息，將進(jìn)化信息分割成局部進(jìn)化信息，得到用于預(yù)測(cè)的特征向量，具體方法為：

提取蛋白質(zhì)的位置特異性得分矩陣；

對(duì)所述位置特異性得分矩陣進(jìn)行分割，得到k個(gè)子矩陣；

對(duì)于每個(gè)子矩陣，獲得其兩種特征，其一：依據(jù)子矩陣序列信息統(tǒng)計(jì)序列中每種氨基酸進(jìn)化成20種氨基酸概率之和；其二：統(tǒng)計(jì)子矩陣中每種氨基酸進(jìn)化成20種氨基酸中的各種氨基酸概率之和；將兩種特征組合得到蛋白質(zhì)的序列進(jìn)化特征；

將蛋白質(zhì)的序列進(jìn)化特征、蛋白質(zhì)序列的氨基酸組成以及蛋白質(zhì)二肽信息相結(jié)合，得到用于預(yù)測(cè)的特征向量；

步驟2：使用SVM-RFE+CBR特征提取方法，將步驟1中的特征向量依據(jù)其對(duì)模型的貢獻(xiàn)度進(jìn)行排序，去除無(wú)關(guān)特征；

步驟3：采用5折交叉驗(yàn)證方法將去除無(wú)關(guān)特征的特征向量分為5份，4份作為訓(xùn)練集輸入SVM模型對(duì)其進(jìn)行訓(xùn)練；

步驟4：按照步驟1、2對(duì)蛋白質(zhì)處理后輸入步驟3得到的模型，獲得預(yù)測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于局部進(jìn)化信息的DNA結(jié)合蛋白預(yù)測(cè)方法，其特征在于，k個(gè)子矩陣中，前k-1個(gè)子矩陣大小為第k個(gè)子矩陣大小為n為蛋白質(zhì)序列中氨基酸個(gè)數(shù)。

3.根據(jù)權(quán)利要求1所述的基于局部進(jìn)化信息的DNA結(jié)合蛋白預(yù)測(cè)方法，其特征在于，對(duì)于每個(gè)子矩陣，獲得序列中每種氨基酸進(jìn)化成20種氨基酸概率之和的具體方法為：

對(duì)每個(gè)子矩陣進(jìn)行歸一化:

其中：

式中，P′_i,j為每個(gè)子矩陣中蛋白質(zhì)序列S出現(xiàn)在第i位置的氨基酸進(jìn)化成20種氨基酸中第j位置的氨基酸的概率；

統(tǒng)計(jì)序列中每個(gè)氨基酸進(jìn)化成20種氨基酸概率之和為：

subPSSM_evolution＝[S₁S₂...S_i...S_d+U(λ)]^T

其中，S_i表示第i個(gè)氨基酸進(jìn)化成20種氨基酸的概率之和。

4.根據(jù)權(quán)利要求1所述的基于局部進(jìn)化信息的DNA結(jié)合蛋白預(yù)測(cè)方法，其特征在于，所述蛋白質(zhì)序列的氨基酸組成為：

其中T代表矩陣的轉(zhuǎn)置，L為蛋白質(zhì)序列的長(zhǎng)度，n_i為第i種氨基酸在長(zhǎng)度為L(zhǎng)的氨基酸序列中出現(xiàn)的頻率。

5.根據(jù)權(quán)利要求1所述的基于局部進(jìn)化信息的DNA結(jié)合蛋白預(yù)測(cè)方法，其特征在于，對(duì)SVM模型預(yù)測(cè)時(shí)，將預(yù)測(cè)的概率值轉(zhuǎn)化為真假值與實(shí)際蛋白質(zhì)是否為DNA結(jié)合蛋白的真假值進(jìn)行計(jì)算，得到模型評(píng)價(jià)指標(biāo)；

使用網(wǎng)格搜索算法，通過(guò)預(yù)設(shè)SVM初始參數(shù)區(qū)間范圍以及模型評(píng)價(jià)指標(biāo)的閾值范圍，選擇獲得最優(yōu)評(píng)價(jià)指標(biāo)時(shí)的參數(shù)作為最終模型參數(shù)。

6.根據(jù)權(quán)利要求5所述的基于局部進(jìn)化信息的DNA結(jié)合蛋白預(yù)測(cè)方法，其特征在于，所述模型評(píng)價(jià)指標(biāo)包括準(zhǔn)確率、敏感性、特異性以及馬修相關(guān)系數(shù)。