[發(fā)明專利]一種基于蛋白質(zhì)預(yù)訓(xùn)練表征學(xué)習(xí)的抗菌肽預(yù)測方法和裝置

在審

• 申請?zhí)枺?/td>: 202011498422.8
• 申請日: 2020-12-17
• 公開（公告）號: CN112614538A
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計）人: 劉向榮;張悅;曾湘祥;林劍遠;趙連敏
• 申請（專利權(quán)）人: 廈門大學(xué)
• 主分類號: G16B5/00
• 分類號: G16B5/00;G16B30/10;G16B35/00;G16B40/00;G06N3/08
• 代理公司: 廈門市精誠新創(chuàng)知識產(chǎn)權(quán)代理有限公司 35218
• 代理人: 何家富

本發(fā)明公開了一種基于蛋白質(zhì)預(yù)訓(xùn)練表征學(xué)習(xí)的抗菌肽預(yù)測方法和裝置，所述方法包括以下步驟：步驟S1：采用預(yù)訓(xùn)練策略，對來自蛋白質(zhì)數(shù)據(jù)庫的無標簽蛋白質(zhì)序列進行分詞、遮蓋處理，進行掩蓋語言模型和句子連續(xù)性預(yù)測兩個任務(wù)的預(yù)訓(xùn)練，捕捉詞語級別和句子級別的表示，幫助模型學(xué)習(xí)蛋白質(zhì)序列通用的結(jié)構(gòu)化特征；步驟S2：針對抗菌肽預(yù)識別和預(yù)測任務(wù)，更改預(yù)訓(xùn)練模型的輸出層，使用帶標簽的抗菌肽數(shù)據(jù)集對模型進行微調(diào)，生成抗菌肽預(yù)測模型；步驟S3：根據(jù)抗菌肽預(yù)識別和預(yù)測任務(wù)，采用抗菌肽預(yù)測模型進行識別，輸出預(yù)測結(jié)果。本發(fā)明將預(yù)訓(xùn)練應(yīng)用到抗菌肽識別和預(yù)測領(lǐng)域，基于已知的數(shù)據(jù)量小、分布不均衡的抗菌肽序列，建立高效的抗菌肽預(yù)測模型。

技術(shù)領(lǐng)域

本發(fā)明涉及抗菌肽組分的計算機識別技術(shù)領(lǐng)域，尤其涉及一種基于蛋白質(zhì)預(yù)訓(xùn)練表征學(xué)習(xí)的抗菌肽預(yù)測方法和裝置。

背景技術(shù)

由于抗生素的濫用，致病菌抗藥性問題日趨嚴重，已經(jīng)成為影響人類健康的巨大威脅。尋找抗生素的新原料是保護人類健康的有效途徑。作為生物機體天然免疫系統(tǒng)的重要組成部分，抗菌肽(AMP)是一類在自然界生物中廣泛存在的小分子多肽，通過破壞細胞膜、干擾DNA的復(fù)制和轉(zhuǎn)錄過程等方式殺滅靶菌，對細菌、病毒、真菌、寄生蟲、腫瘤細胞具有一定的抑殺作用。由于具有抗菌活性高，作用效果穩(wěn)定，靶菌株不易產(chǎn)生抗藥性，無藥物殘留等許多優(yōu)點，抗菌肽被視為抗生素的最佳替代品。

由于識別抗菌肽的實驗方法成本高、難度大，因此越來越多的研究集中在用計算方法解決這個問題。

科研工作者陸續(xù)建立了多個抗菌肽數(shù)據(jù)庫，收錄了各種來源各種類型的抗菌肽數(shù)據(jù)，如APD、CAMP、AVPdb等，極大地方便了抗菌肽的研究。使用者可以通過查詢，從數(shù)據(jù)庫中獲得抗菌肽的氨基酸序列、理化性質(zhì)、功能注釋等信息，還可以使用其提供的檢索、序列比對、預(yù)測分析等工具對數(shù)據(jù)進行處理。

目前，抗菌肽的計算機輔助識別方法可分為基于經(jīng)驗分析的方法和基于機器學(xué)習(xí)的方法。

基于經(jīng)驗分析的方法以確定類型的抗菌肽為模板，利用已知的經(jīng)驗規(guī)則對肽鏈特征與抗菌活性間之間的關(guān)系進行統(tǒng)計分析，建立模型，本質(zhì)上是識別待測序列是否具有訓(xùn)練集的某些特定特征。該方法在預(yù)測抗菌肽序列上十分有效，缺點是比較依賴訓(xùn)練集現(xiàn)有的語義模式，難以遷移到其他類別的抗菌肽上。

研究人員已經(jīng)提出了許多基于機器學(xué)習(xí)來鑒定和預(yù)測抗菌肽的方法。例如，F(xiàn)jellC D等人構(gòu)建了一個用于AMP聚類和分析的隱馬爾可夫模型(HMM)；Lata S等人使用支持向量機(SVM)來預(yù)測和分類AMP；Xiao X等人開發(fā)了基于模糊K最近鄰(FKNN)的AMP分類器；Chang K Y等人首次將隨機森林應(yīng)用到抗病毒肽(AVPs)的預(yù)測中。這些研究表明，氨基酸序列本身包含了其是否具有抗菌活性的關(guān)鍵信息。

大多數(shù)現(xiàn)有的計算方法可以通過序列本身識別抗菌肽，但由于已知的抗菌肽的數(shù)據(jù)量比較少，識別準確率仍有提高空間，且存在構(gòu)建的模型不能在各數(shù)據(jù)集中通用的問題。因此，如何提高識別和預(yù)測精度，如何構(gòu)建在不同數(shù)據(jù)集上可快速遷移的通用模型是需要探索的問題。