[發(fā)明專利]用于預測蛋白質(zhì)翻譯后修飾位點的深度學習方法

在審

• 申請?zhí)枺?/td>: 202210406078.8
• 申請日: 2022-04-18
• 公開（公告）號: CN114724630A
• 公開（公告）日: 2022-07-08
• 發(fā)明（設計）人: 許晶晶;黃自鑫;郭磊;董繼揚
• 申請（專利權(quán)）人: 廈門大學
• 主分類號: G16B20/30
• 分類號: G16B20/30;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

用于預測蛋白質(zhì)翻譯后修飾位點的深度學習方法,涉及生物信息學領域。包括：從公共數(shù)據(jù)庫上收集帶有蛋白質(zhì)翻譯后修飾位點注釋的蛋白質(zhì)序列數(shù)據(jù)；對收集到的蛋白質(zhì)序列進行去冗余處理，并刪除可信度較低的位點注釋信息，得到不同PTM類型的蛋白質(zhì)序列集合；構(gòu)建基于深度神經(jīng)網(wǎng)絡的預測模型，提取蛋白質(zhì)序列的短程耦合信息和長程耦合信息；利用蛋白質(zhì)序列數(shù)據(jù)集為每種PTM類型訓練一個預測模型；將訓練好的預測模型部署到網(wǎng)上得到在線預測系統(tǒng)；用戶通過在線預測系統(tǒng)輸入蛋白質(zhì)序列文件，選擇需要預測的PTM位點類型，在線系統(tǒng)返回PTM位點的預測結(jié)果。可以同時預測多種PTM位點，可為生物醫(yī)學研究和藥物設計提供相關的蛋白質(zhì)信息。

技術領域

本發(fā)明涉及生物信息學領域，尤其是涉及一種用于預測蛋白質(zhì)翻譯后修飾位點的深度學習方法及系統(tǒng)。

背景技術

蛋白質(zhì)翻譯后修飾(PTM)是增加蛋白質(zhì)組多樣性的關鍵機制，它通過向一個或多個殘基添加修飾基團可使蛋白質(zhì)具有更為復雜的結(jié)構(gòu)和更為完善的功能，實現(xiàn)更為精細的調(diào)節(jié)(Khoury,G.A.；Baliban,R.C.；Floudas,C.A.,Proteome-wide post-translationalmodification statistics:frequency analysis and curation of the Swiss-protdatabase.Scientific Reports 2011,1,(90),5.)。磷酸化、糖基化、乙酰賴氨酸化和甲基精氨酸化是其中重要的蛋白質(zhì)翻譯后修飾物，它們與生物的代謝過程有著重要的關聯(lián)，例如細胞周期、神經(jīng)活動、肌肉收縮和腫瘤生成等。已有研究表明，異常的蛋白質(zhì)翻譯后修飾與某些疾病的發(fā)生有關(Eipper,B.Betty A.,Posttranslational modification ofproteins:expanding nature's inventory.The Quarterly Review of Biology 2008,83,(4),403-403)。準確地識別PTM位點，對于更好地理解蛋白質(zhì)在生命活動中起到的作用以及藥物設計具有重要意義。

近幾年，研究人員已經(jīng)提出多種PTM位點識別方法，主要分為干實驗和濕實驗的方法。其中，Edman降解法和³²P標記法是識別PTM位點的兩種經(jīng)典的濕實驗方法。最近，Lyu等人(Lyu,J.W.；Wang,Y.；Mao,J.W.；Yao,Y.T.；Wang,S.J.；Zheng,Y.；Ye,M.L.,PseudotargetedMS method for the sensitive analysis of protein phosphorylation in proteincomplexes.Analytical Chemistry 2018,90,(10),6214-6221)提出一種基于平行反應監(jiān)測技術的偽靶向質(zhì)譜法識別和定量磷酸肽，該方法產(chǎn)生比過去濕實驗方法更多的PTM位點。雖然基于濕實驗的方法能夠精確的識別PTM位點，但需要消耗大量的成本和時間。而基于干實驗的方法假設序列中的殘基遵循一種有規(guī)律的模式，并利用計算機學習該模式預測真實的PTM位點，具有成本低、速度快的特點。隨著技術的發(fā)展，越來越多的PTM位點被發(fā)現(xiàn)，這為利用干實驗的方法挖掘殘基上的翻譯后修飾模式進而PTM位點預測提供條件。