[發明專利]一種基于循環神經網絡的蛋白質二級結構預測方法

在審

• 申請號: 202110097155.1
• 申請日: 2021-01-25
• 公開（公告）號: CN112837741A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 胡俊;殷文杰;賈寧欣;曾文武;董明;張貴軍
• 申請（專利權）人: 浙江工業大學
• 主分類號: G16B15/20
• 分類號: G16B15/20;G16B40/00
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于循環神經網絡的蛋白質二級結構預測方法，其特征在于，所述預測方法包括以下步驟：

1)輸入一個殘基數為L的待進行蛋白質二級結構預測的蛋白質序列，記作S；

2)對蛋白質序列S，使用獨熱編碼方式進行編碼，得到一個大小為L×20的特征矩陣，記作M₁，M₁中第i行第j列元素表示為：

其中，A₁,A₂,...,A₂₀表示20種常見氨基酸類型的殘基，T_i表示序列S中第i個殘基的類型；

3)對蛋白質序列S，使用PSI-BLAST程序生成蛋白質位置特異性評分矩陣，記作PSSM；

4)對M₁和PSSM進行矩陣加法運算，獲取一個大小為L×20的矩陣，記作M₂；

5)計算矩陣M₂中每一行的平均值，獲取一個大小為L×1的向量，記作H；

6)計算矩陣M₂中的每一行方差，獲取一個大小為L×1的向量，記作V；

7)對蛋白質序列S，通過以下公式獲取一個大小為L×20的特征矩陣F，F中第i行第j列元素表示為：

其中，表示M₂中第i行第j列元素，H_i表示H中第i個元素，V_i表示V中第i個元素；

8)矩陣F中任意一行F_i，i＝1,2,...,L，表示蛋白質序列S中第i個殘基的特征向量；

9)從PDB數據庫中獲取已知殘基二級結構類別的蛋白質序列作為訓練集，所述殘基二級結構類別包括埋藏、中間狀態和暴露，使用步驟2)-8)生成訓練集中所有殘基的特征向量；結合殘基二級結構類別標簽，構建訓練樣本集；

10)搭建循環神經網絡預測蛋白質序列S中殘基的二級結構類別，該網絡由三個部分組成，第一個部分是卷積層部分，該部分由一個卷積核大小為1×20的卷積層、一個卷積核大小為3×1的卷積層、一個歸一化層、一個池化層組成；第二個部分是循環層部分，該部分由兩個LSTM層組成；最后一個部分是全連接層部分，該部分由兩個全連接層組成，每一層輸出作為下一層的輸入，使用sigmoid激活函數使網絡的輸出值在(0,1)范圍內；

11)使用步驟9)中構建的訓練樣本集訓練步驟10)中搭建的網絡，訓練階段采用交叉熵損失函數調整網絡中的參數，交叉熵損失函數記作：

其中，u表示蛋白質序列中待測殘基的真實標簽，表示網絡模型預測殘基類別對應的輸出值，Y表征預測輸出與真實標簽的差距；

12)將蛋白質序列S中殘基的特征向量輸入到步驟11)訓練的模型中，根據模型輸出每個殘基二級結構類別的概率值，概率最大值對應的類別即為該殘基二級結構的預測類別。