[发明专利]一种蛋白质结构与功能的在线预测方法

权利要求书

1.一种基于小波变换和支持向量机对蛋白质结构与功能进行在线作用，其特征在于该方法包括如下步骤：

（1）建立蛋白质序列数据集的训练样本：从互联网上蛋白质数据库SWISS-PROT采集构建蛋白质序列数据集的训练样本，该蛋白质序列数据集的训练集的训练样本包括G蛋白偶联受体、酶蛋白、蛋白质亚细胞结构、蛋白质二级结构，并且根据需要可以添加或更新数据集，上述数据集分别包含两类：一类分为正样本，另一类分为负样本；

（2）蛋白质序列数据集转换：将上述步骤（1）得到的蛋白质序列数据集转换成可用于信号处理的数值序列，即对蛋白质序列数据集中的每个蛋白质序列利用其氨基酸物理化学性质转换成数值序列；

（3）利用小波变换技术进行特征提取：对上述步骤（2）得到的数值序列进行小波分解得到特征小波系数，并从这些系数中提取特征向量；

（4）用支持向量机学习训练蛋白质序列数据集：用支持向量机（SVM）学习训练的实质是利用支持向量机队上述步骤（3）生成的蛋白质特征数据集进行训练，得到支持向量机的蛋白质家族分类预测模型；

（5）需要预报蛋白质序列的读入、数据转换及其蛋白质家族及功能的预测：利用通过J2EE规范编写的Servlet组件读入Web客户端提交蛋白质序列数据后，Servlet组件先调用验证组件对用户提交数据进行检验，确定是否有效数据，若为无效数据告知可能原因，若为有效数据，调用预报器组件并使其完成初始化，再调用数据转换器组件对蛋白质序列转换为数值序列，然后利用小波变换进行特征提取，最后输入到预报器组件进行预报。

2.根据权利要求1所述的基于小波支持向量机对蛋白质家族和功能进行在线预报方法，其特征在于，上述步骤（5）需要预报蛋白质序列的读入、数据转换及其蛋白质家族及功能的分类预报，其具体步骤如下：

（5-1）用J2EE规范编写Servlet组件，从Web客户端读入预报蛋白质序列并在线对其数据转换；

（5-2）用户通过小波支持向量机预报器组件对蛋白质家族及功能进行分类预测，进而对其进行分类预报；

（5-3）调用上面的Servlet组件，将步骤（4-2）获得的蛋白质家族及功能分类类型预报结果输出到Web客户端在线页面显示。

3.根据权利要求2所述的基于小波支持向量机对蛋白质家族及功能在线预报方法，其特征在于，上述步骤（5-2）用户通过小波支持向量机预报器组件对蛋白质家族及功能进行分类预报，其具体步骤：进行蛋白质分类预报时，预报器组件从磁盘介质中读取蛋白质分类模型，载入模型完成初始化，读入由数据转换器输出的数据，载入的分类预测模型对此数据进行处理，获得该蛋白质的家族分类信息，输出结果。