[發(fā)明專利]一種結(jié)合多任務(wù)學(xué)習(xí)和自注意力機(jī)制的蛋白質(zhì)功能預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202011467595.3
• 申請日: 2020-12-14
• 公開（公告）號: CN112562784B
• 公開（公告）日: 2023-08-15
• 發(fā)明（設(shè)計）人: 楊躍東;黃偉林;趙慧英;盧宇彤
• 申請（專利權(quán)）人: 中山大學(xué)
• 主分類號: G16B20/00
• 分類號: G16B20/00;G16B40/00;G16B50/30
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 張金福

1.一種結(jié)合多任務(wù)學(xué)習(xí)和自注意力機(jī)制的蛋白質(zhì)功能預(yù)測方法，其特征在于，包括以下步驟：

S1：根據(jù)分子功能類別MF預(yù)測任務(wù)、生物學(xué)過程類別BP預(yù)測任務(wù)和細(xì)胞組件類別CC預(yù)測任務(wù)，構(gòu)建基于多任務(wù)學(xué)習(xí)和自注意力機(jī)制的蛋白質(zhì)功能預(yù)測系統(tǒng)模型；

S2：獲取樣本數(shù)據(jù)集，提取樣本數(shù)據(jù)集中蛋白質(zhì)序列的特征信息，組建訓(xùn)練集和測試集；

所述蛋白質(zhì)的序列的特征信息包括氨基酸序列、位置特異性打分矩陣、隱藏馬爾科夫模型的序列譜和由SPIDER3預(yù)測的蛋白質(zhì)的結(jié)構(gòu)信息，分別記作“?Seq”、“?PSSM”、“?HMM”和“?SPIDER3”；

其中，Seq為氨基酸序列的one-hot編碼，表示為L×20的矩陣，L為序列長度；

PSSM為通過在UniRef90數(shù)據(jù)庫上運(yùn)行PSI-BLAST對每個蛋白質(zhì)進(jìn)行迭代搜索生成的特征，表示為L×20的矩陣，L為序列長度；

HMM為通過在Uniclust30數(shù)據(jù)庫上運(yùn)行HHblits?v3.0.0以生成隱藏馬爾科夫模型的序列譜，表示為L×30大小的矩陣，L為序列長度；

SPIDER3為由SPIDER3軟件生成的結(jié)構(gòu)性特征，所述SPIDER3軟件的輸入包括蛋白質(zhì)序列以及通過PSI-BLAST和HHblits獲得的PSSM和HMM特征，所述SPIDER3軟件輸出的結(jié)構(gòu)性特征包括溶劑可及表面積、四個骨架夾角的正弦值和余弦值、半球暴露、α-螺旋結(jié)構(gòu)、β-折疊結(jié)構(gòu)和無規(guī)卷曲結(jié)構(gòu)；

S3：對訓(xùn)練集進(jìn)行預(yù)處理后輸入蛋白質(zhì)功能預(yù)測系統(tǒng)模型中，對蛋白質(zhì)功能預(yù)測系統(tǒng)模型進(jìn)行訓(xùn)練；

S4：對測試集進(jìn)行預(yù)處理后輸入訓(xùn)練后的蛋白質(zhì)功能預(yù)測系統(tǒng)模型中，進(jìn)行蛋白質(zhì)功能預(yù)測。

2.根據(jù)權(quán)利要求1所述的一種結(jié)合多任務(wù)學(xué)習(xí)和自注意力機(jī)制的蛋白質(zhì)功能預(yù)測方法，其特征在于，所述步驟S1具體為：

S101：根據(jù)分子功能類別MF預(yù)測任務(wù)構(gòu)建基于自注意力機(jī)制的MF子網(wǎng)絡(luò)；

S102：根據(jù)分子功能類別MF預(yù)測任務(wù)構(gòu)建基于自注意力機(jī)制的BP子網(wǎng)絡(luò)；

S103：根據(jù)分子功能類別MF預(yù)測任務(wù)構(gòu)建基于自注意力機(jī)制的CC子網(wǎng)絡(luò)；

S104：在MF子網(wǎng)絡(luò)、BP子網(wǎng)絡(luò)和CC子網(wǎng)絡(luò)之間設(shè)置十字繡單元，實(shí)現(xiàn)子網(wǎng)絡(luò)之間的連接和參數(shù)共享，以構(gòu)建基于多任務(wù)學(xué)習(xí)和自注意力機(jī)制的蛋白質(zhì)功能預(yù)測系統(tǒng)模型。

3.根據(jù)權(quán)利要求2所述的一種結(jié)合多任務(wù)學(xué)習(xí)和自注意力機(jī)制的蛋白質(zhì)功能預(yù)測方法，其特征在于，所述MF子網(wǎng)絡(luò)、BP子網(wǎng)絡(luò)和CC子網(wǎng)絡(luò)均包括一維卷積層、殘差卷積層、多頭自注意力層、全連接層；其中：

所述一維卷積層的輸入作為所述蛋白質(zhì)功能預(yù)測系統(tǒng)模型的輸入；

所述一維卷積層輸出端與所述殘差卷積層輸入端連接；

所述殘差卷積層輸出端與所述多頭自注意力層輸入端連接；

所述多頭自注意力層輸出端與所述全連接層輸入端連接；

所述全連接層的輸出作為所述蛋白質(zhì)功能預(yù)測系統(tǒng)模型的輸出；

所述一維卷積層與所述殘差卷積層之間、所述多頭自注意力層與所述全連接層之間均設(shè)置有十字繡單元。

4.根據(jù)權(quán)利要求3所述的一種結(jié)合多任務(wù)學(xué)習(xí)和自注意力機(jī)制的蛋白質(zhì)功能預(yù)測方法，其特征在于，所述殘差卷積層包括若干一維殘差卷積塊，其中：

每個所述一維殘差卷積塊之間均設(shè)置有十字繡單元；

首個所述一維殘差卷積塊輸入端與所述一維卷積層輸出端連接；

最后一個所述一維殘差卷積塊與所述多頭自注意力層之間設(shè)置有十字繡單元，且所述一維殘差卷積塊輸出端與所述多頭自注意力層輸入端連接。