[发明专利]分类模型的建立方法及装置

说明书

技术领域

本发明涉及生命科学领域，具体而言，涉及一种分类模型的建立方法及装置。

背景技术

目前，高通量实验技术的飞速发展已经产生了大规模、多物种的蛋白质相互作用数据，许多研究人员致力于研究上述已经产生的数据，以便更好地理解蛋白质的功能。蛋白质的基本单位是结构域，而且在蛋白质之间通常由结构域介导产生相互作用。因此，从结构域角度分析蛋白质的相互作用显得尤为重要。

在蛋白质相互作用网络中，通常可以假定相互作用是没有方向的。而实际上，在信号转导、转录调控、细胞循环或者代谢途径等多种生物网络中，发生相互作用的蛋白质之间广泛存在着调控关系，例如：激活和抑制。然而，仅有少数蛋白质相互作用被深入研究，而大部分相互作用的细节还是未知的，尤其是它们之间的调控关系还未被揭示。

用于蛋白质之间调控关系的实验技术主要是基因上位分析（Genetic epistasis analysis），其主要是通过比较单个基因敲除以及两个基因共同敲除时的不同表型来确定基因的功能关联。相关技术中提出了一种利用基因扰动实验发现蛋白质之间调控关系的技术方案，该技术方案主要公开了如下技术内容：

第一步、对于T细胞中的信号通路，采用流式细胞术计算正常情况下细胞中各蛋白质的数目；

第二步、对通路中的单个蛋白质依次进行扰动实验，即对其进行抑制处理，采用流式细胞术计算扰动情况下各蛋白质的数目；

第三步、根据受扰动时蛋白质数量上的变化，采用贝叶斯模型预测蛋白质之间的调控关系；

第四步、将预测模型与实际模型进行比较，评估预测效果。

然而，相关技术中提供的技术方案存在如下缺陷：基于生物学实验数据分析蛋白质对之间的调控关系，需要花费大量的人力、物力和财力，其结果容易出现错误，而且难以进行大规模的蛋白质相互作用调控关系的预测。

发明内容

本发明提供了一种分类模型的建立方法及装置，以至少解决相关技术中的基于生物学实验数据分析蛋白质对之间的调控关系花费代价高、准确性较低的问题。

根据本发明的一个方面，提供了一种分类模型的建立方法。

根据本发明的分类模型的建立方法包括：建立蛋白质对之间调控关系的标准数据集，在标准数据集中获取蛋白质对中所包含的多个功能注释条目；按照激活和/或抑制调控关系对标准数据集进行分类；分别对多个功能注释条目在每种分类中进行富集显著性分析，并根据分析结果建立分类模型。

优选地，在标准数据集中构建蛋白质对中所包含的多个功能注释条目包括：从蛋白质对中提取该蛋白质对中的每个蛋白质所包含的一个或多个功能注释条目；根据每个蛋白质所包含的一个或多个功能注释条目计算多个功能注释条目。

优选地，分别对多个功能注释条目在每种分类中进行富集显著性分析，并根据分析结果建立分类模型包括：分别计算多个功能注释条目在每种分类中的显著性富集打分和显著性P值；将显著性P值小于预设阈值的部分功能注释条目作为分类特征以及将显著性富集打分作为权重建立分类模型。

优选地，在分别对多个功能注释条目在每种分类中进行富集显著性分析，并根据分析结果建立分类模型之后，还包括：采用交叉验证方法或者独立测试集对分类模型的分类结果进行评估。

优选地，分类模型包括以下之一：带有权重的投票法、线性分类器、支持向量机方法、决策树方法。

根据本发明的另一方面，提供了一种分类模型的建立装置。

根据本发明的分类模型的建立装置包括：获取模块，用于建立蛋白质对之间调控关系的标准数据集，在标准数据集中获取蛋白质对中所包含的多个功能注释条目；分类模块，用于按照激活和/或抑制调控关系对标准数据集进行分类；建立模块，用于分别对多个功能注释条目在每种分类中进行富集显著性分析，并根据分析结果建立分类模型。

优选地，获取模块包括：提取单元，用于从蛋白质对中提取该蛋白质对中的每个蛋白质所包含的一个或多个功能注释条目；第一计算单元，用于根据每个蛋白质所包含的一个或多个功能注释条目计算多个功能注释条目。

优选地，建立模块包括：第二计算单元，用于分别计算多个功能注释条目在每种分类中的显著性富集打分和显著性P值；建立单元，用于将显著性P值小于预设阈值的部分功能注释条目作为分类特征以及将显著性富集打分作为权重建立分类模型。

优选地，上述装置还包括：评估模块，用于采用交叉验证方法或者独立测试集对分类模型的分类结果进行评估。