[發(fā)明專利]一種基于結(jié)構(gòu)特征的DNA綁定殘基預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202110081107.3
• 申請日: 2021-01-21
• 公開（公告）號: CN112837740A
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計）人: 胡俊;白巖松;董世建;鄭琳琳;樊學(xué)強;張貴軍
• 申請（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號: G16B15/20
• 分類號: G16B15/20;G16B40/00;G06N3/04;G06N3/08
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強

1.一種基于結(jié)構(gòu)特征的DNA綁定殘基預(yù)測方法，其特征在于，所述預(yù)測方法包括以下步驟：

1)輸入一個殘基數(shù)為L的待進(jìn)行DNA綁定殘基預(yù)測的蛋白質(zhì)三維結(jié)構(gòu)信息S；

2)對蛋白質(zhì)三維結(jié)構(gòu)信息S中的任一殘基P_i，i＝1,2,...,L，以P_i為球心，R為半徑畫球，通過以下步驟獲取殘基P_i的特征向量，記作過程如下：

2.1)分別統(tǒng)計該球內(nèi)20種天然氨基酸類型的殘基出現(xiàn)的頻率，組成一個含有20個元素的向量，記作

2.2)分別統(tǒng)計該球內(nèi)三類二級結(jié)構(gòu)類別(折疊、螺旋、卷曲)的殘基出現(xiàn)的頻率，組成一個含有3個元素的向量，記作

2.3)分別統(tǒng)計該球內(nèi)三類溶劑可及性類別(埋藏、中間狀態(tài)、暴露)的殘基出現(xiàn)的頻率，組成一個含有3個元素的向量，記作

2.4)將步驟2.1)至2.3)中的串聯(lián)成一個含有26個元素的特征向量，即

3)從蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫PDB中獲取已知DNA綁定殘基狀態(tài)的蛋白質(zhì)三維結(jié)構(gòu)信息作為訓(xùn)練蛋白質(zhì)集合，使用步驟2)生成每個殘基的特征向量；結(jié)合每個殘基綁定的DNA狀態(tài)信息，構(gòu)建訓(xùn)練樣本集；

4)搭建一維卷積神經(jīng)網(wǎng)絡(luò)預(yù)測蛋白質(zhì)三維結(jié)構(gòu)信息S中的DNA綁定殘基，該網(wǎng)絡(luò)共有三個模塊，第一個模塊和第二個模塊為卷積層模塊，第三個模塊為全連接層模塊，每一個卷積層模塊分別包含一個卷積層，一個池化層和一個ReLU層，全連接層模塊包含三個全連接層，每一模塊的輸出作為下一模塊的輸入，使用sigmoid激活函數(shù)使網(wǎng)絡(luò)的輸出值在(0,1)范圍內(nèi)，該網(wǎng)絡(luò)的輸出記為：

g(I)＝sigmoid(mod3(mod2(mod1(I))))

其中，I表示網(wǎng)絡(luò)的輸入，mod1，mod2，mod3分別表示第一個模塊、第二個模塊、第三個模塊的運算；

5)使用步驟3)中構(gòu)建的訓(xùn)練樣本集訓(xùn)練4)中搭建的一維卷積神經(jīng)網(wǎng)絡(luò)，訓(xùn)練階段都采用二分類交叉熵?fù)p失函數(shù)調(diào)整網(wǎng)絡(luò)中的參數(shù)，二分類交叉熵?fù)p失函數(shù)記作：

其中，u表示蛋白質(zhì)三維結(jié)構(gòu)信息中殘基的真實標(biāo)簽，表示網(wǎng)絡(luò)模型的預(yù)測輸出值，Y表示預(yù)測輸出與真實標(biāo)簽的差距；

6)將蛋白質(zhì)三維結(jié)構(gòu)信息S中每個殘基的特征向量輸入到步驟5)訓(xùn)練的模型中，根據(jù)模型的輸出概率是否大于判定閾值threshold，來判斷對應(yīng)殘基是否為DNA綁定殘基。