[發(fā)明專利]用于預(yù)測(cè)蛋白質(zhì)翻譯后修飾位點(diǎn)的深度學(xué)習(xí)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210406078.8
• 申請(qǐng)日: 2022-04-18
• 公開(kāi)（公告）號(hào): CN114724630A
• 公開(kāi)（公告）日: 2022-07-08
• 發(fā)明（設(shè)計(jì)）人: 許晶晶;黃自鑫;郭磊;董繼揚(yáng)
• 申請(qǐng)（專利權(quán)）人: 廈門大學(xué)
• 主分類號(hào): G16B20/30
• 分類號(hào): G16B20/30;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 廈門南強(qiáng)之路專利事務(wù)所(普通合伙) 35200
• 代理人: 馬應(yīng)森

1.用于預(yù)測(cè)蛋白質(zhì)翻譯后修飾位點(diǎn)的深度學(xué)習(xí)方法，其特征在于包括以下步驟：

1)蛋白質(zhì)序列數(shù)據(jù)集的構(gòu)建：從公開(kāi)的數(shù)據(jù)庫(kù)中收集帶有翻譯后修飾位點(diǎn)PTM的蛋白質(zhì)序列，刪除冗余的蛋白質(zhì)序列，得到不同PTM位點(diǎn)類型的蛋白質(zhì)序列數(shù)據(jù)集；

2)蛋白質(zhì)序列的編碼：通過(guò)補(bǔ)零或剪切的方式歸一化蛋白質(zhì)序列的長(zhǎng)度，并對(duì)蛋白質(zhì)序列進(jìn)行one-hot編碼；

3)PTM位點(diǎn)預(yù)測(cè)模型的構(gòu)建：利用基于深度神經(jīng)網(wǎng)絡(luò)構(gòu)建PTM位點(diǎn)的預(yù)測(cè)模型，設(shè)計(jì)并行的特征提取模塊分別提取蛋白質(zhì)序列的短程和長(zhǎng)程的耦合信息；

4)PTM位點(diǎn)預(yù)測(cè)模型的訓(xùn)練：根據(jù)PTM位點(diǎn)的類型，利用蛋白質(zhì)序列數(shù)據(jù)集分別訓(xùn)練預(yù)測(cè)模型；

5)在線交互系統(tǒng)的實(shí)現(xiàn)：將訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型部署于服務(wù)器上，實(shí)現(xiàn)在線預(yù)測(cè)和結(jié)果可視化，并將預(yù)測(cè)結(jié)果輸出。

2.如權(quán)利要示1所述用于預(yù)測(cè)蛋白質(zhì)翻譯后修飾位點(diǎn)的深度學(xué)習(xí)方法，其特征在于步驟1)中，所述蛋白質(zhì)序列數(shù)據(jù)集的構(gòu)建，具體包括以下步驟：

(1)從公開(kāi)的數(shù)據(jù)庫(kù)中收集并整理有PTM位點(diǎn)的蛋白質(zhì)序列，獲取PTM位點(diǎn)的位置，整理成為初始數(shù)據(jù)集；所述公開(kāi)的數(shù)據(jù)庫(kù)包括SwissProt、dbPTM、phosphoELM、PhosphoSitePLUS等PTM位點(diǎn)數(shù)據(jù)庫(kù)；

(2)使用蛋白質(zhì)序列聚類工具CD-HIT從初始數(shù)據(jù)集中去除冗余的蛋白質(zhì)序列；

(3)對(duì)去冗余的蛋白質(zhì)序列進(jìn)行數(shù)據(jù)清洗，刪除可信度低的位點(diǎn)注釋信息，得到干凈的蛋白質(zhì)序列數(shù)據(jù)集。

3.如權(quán)利要示1所述用于預(yù)測(cè)蛋白質(zhì)翻譯后修飾位點(diǎn)的深度學(xué)習(xí)方法，其特征在于在步驟2)中，所述蛋白質(zhì)序列的編碼，具體包括以下步驟：

(1)將長(zhǎng)序列進(jìn)行截?cái)嗖僮?，短序列進(jìn)行零填充，使蛋白質(zhì)序列具有相同的長(zhǎng)度；

(2)對(duì)統(tǒng)一長(zhǎng)度的蛋白質(zhì)序列進(jìn)行one-hot編碼，轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別的向量。

4.如權(quán)利要示1所述用于預(yù)測(cè)蛋白質(zhì)翻譯后修飾位點(diǎn)的深度學(xué)習(xí)方法，其特征在于在步驟3)中，所述PTM位點(diǎn)預(yù)測(cè)模型的構(gòu)建，具體步驟為：構(gòu)建一個(gè)基于深度神經(jīng)網(wǎng)絡(luò)的模型，模型包含短程耦合特征提取模塊和長(zhǎng)程耦合信息處理模塊，分別用于提取蛋白質(zhì)序列的短程和全局耦合信息；短程耦合特征提取模塊，依次包含有1個(gè)卷積神經(jīng)網(wǎng)絡(luò)CNN，2個(gè)擠壓與激勵(lì)網(wǎng)絡(luò)SENet，1個(gè)雙向長(zhǎng)短期記憶網(wǎng)絡(luò)Bi-LSTM和2個(gè)全連接層FC。

5.如權(quán)利要示1所述用于預(yù)測(cè)蛋白質(zhì)翻譯后修飾位點(diǎn)的深度學(xué)習(xí)方法，其特征在于在步驟4)中，所述PTM位點(diǎn)預(yù)測(cè)模型的訓(xùn)練，具體步驟包括：

(1)由于PTM位點(diǎn)的正負(fù)樣本通常是不平衡的，故將訓(xùn)練數(shù)據(jù)集隨機(jī)分為N個(gè)訓(xùn)練子集，樣本量不足的訓(xùn)練子集采用重采樣方法補(bǔ)齊，得到N個(gè)平衡的訓(xùn)練子集；

(2)用N個(gè)訓(xùn)練子集分別對(duì)模型進(jìn)行訓(xùn)練，再對(duì)訓(xùn)練結(jié)果進(jìn)行集成學(xué)習(xí)得到預(yù)測(cè)模型。

6.如權(quán)利要示1所述用于預(yù)測(cè)蛋白質(zhì)翻譯后修飾位點(diǎn)的深度學(xué)習(xí)方法，其特征在于在步驟5)中，所述在線交互系統(tǒng)的實(shí)現(xiàn)，具體步驟包括：

(1)利用Python和JavaScript語(yǔ)言編程實(shí)現(xiàn)在線的PTM位點(diǎn)預(yù)測(cè)模型；

(2)設(shè)計(jì)在線模型的輸入輸出模塊；

(3)用戶通過(guò)系統(tǒng)提交蛋白質(zhì)序列文件，選擇待預(yù)測(cè)的PTM類型，系統(tǒng)將預(yù)測(cè)結(jié)果通過(guò)Http和郵件的方式返回給用戶；所述預(yù)測(cè)結(jié)果包括蛋白質(zhì)序列的信息、位點(diǎn)位置、PTM位點(diǎn)種類等信息。