[發明專利]一種基于復雜網絡的多肽分類方法

在審

• 申請號: 202110275496.3
• 申請日: 2021-03-15
• 公開（公告）號: CN112951341A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 丁彥蕊;許德玲
• 申請（專利權）人: 江南大學
• 主分類號: G16C20/50
• 分類號: G16C20/50;G16C20/70
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 林娟

1.一種基于復雜網絡的多肽分類方法，其特征在于，所述方法包括：

Step1提取待分類多肽的一級結構和三級結構，并對三級結構進行解析獲得二級結構和網絡結構；

Step2根據網絡結構獲取待分類多肽的中氨基酸Phe、Trp、Lys、Arg、Ile、Leu、Val、Tyr的度、接近中心性和介數中心性作為網絡特征；

Step3以待分類多肽的網絡特征為輸入，采用以網絡特征進行訓練得到的訓練好的分類模型對待分類多肽進行分類，得到待分類多肽所屬類別的第一判斷結果；所述訓練好的分類模型包括基于支持向量機、K近鄰、隨機森林三種算法的分類模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取待分類多肽的中氨基酸Phe、Trp、Lys、Arg、Ile、Leu、Val、Tyr的度、接近中心性和介數中心性作為網絡特征，包括：

將每條多肽表示為：C＝c₁,c₂,…,c₂₀,c₂₁,…,c₄₀,c₄₁,…c₆₀；其中：

(1)c₁～c₂₀代表各種氨基酸的平均度，在網絡中反映氨基酸節點的重要程度；氨基酸節點i的度d_i的計算公式為d_i＝∑a_ij，其中a_ij表示氨基酸節點i和氨基酸節點j之間有邊記為1，否則為0；

(2)c₂₁～c₄₀代表各種氨基酸的平均接近中心性，在網絡中反映氨基酸節點與氨基酸節點之間的接近程度；氨基酸節點i的接近中心性c_i計算公式為其中d_ij表示以氨基酸節點i為起點，以氨基酸節點j為終點的最短路徑中所含邊的數量，N為氨基酸節點的總數；

(3)c₄₁～c₆₀代表各種氨基酸的平均介數中心性，在網絡中反映某個氨基酸節點對其他氨基酸節點的影響程度；氨基酸節點i的介數中心性B_i計算公式為其中σ_jk(i)表示從氨基酸節點j通過氨基酸節點i到氨基酸節點k最短路徑的條數，σ_jk表示從氨基酸節點j到氨基酸節點k之間所有最短路徑的總數。

3.根據權利要求1或2所述的方法，其特征在于，所述方法還包括：

Step4提取待分類多肽的一級結構特征、二級結構特征和三級結構特征，并去除不相關和冗余的特征；

Step5以待分類多肽的去除不相關和冗余的特征后的一級結構特征、二級結構特征和三級結構特征為輸入，采用以一級結構特征、二級結構特征和三級結構特征進行訓練得到的訓練好的分類模型對待分類多肽進行分類，得到待分類多肽所屬類別的第二判斷結果；

Step6根據待分類多肽所屬類別的第一判斷結果和待分類多肽所屬類別的第二判斷結果最終確定待分類多肽所屬類別。

4.根據權利要求3所述的方法，其特征在于，所述以網絡特征進行訓練得到的訓練好的分類模型的訓練過程包括：

Step1-1提取抗癌多肽和抗高血壓多肽的一級結構和三級結構，并對三維結構進行解析獲得二級結構和網絡結構；

Step1-2根據網絡結構獲取抗癌多肽和抗高血壓多肽中各種氨基酸的度、接近中心性和介數中心性；

Step1-3根據各種氨基酸的度、接近中心性和介數中心性數值的大小，選擇氨基酸Phe、Trp、Lys、Arg、Ile、Leu、Val、Tyr的度、接近中心性以及介數中心性的值作為網絡特征；

Step1-4以網絡特征為輸入，分別訓練基于支持向量機、K近鄰、隨機森林三種算法的分類模型，得到訓練好的分類模型。

5.根據權利要求4所述的方法，其特征在于，所述基于支持向量機、K近鄰、隨機森林三種算法的分類模型中，支持向量機分類模型中采用RBF作為內核函數，訓練好的模型中支持向量機參數c和g取值為c＝2⁴,g＝2^-4；K近鄰分類模型中，參數K取值為K＝45；隨機森林分類模型中，最佳分類數值為130。