[发明专利]一种基于BP神经网络的蛋白质二级结构预测方法

说明书

技术领域

本发明涉及生物信息领域，特别涉及蛋白质二级结构预测方法。

背景技术

蛋白质的高级结构决定其生物功能，其中蛋白质二级结构由其氨基酸序列特征决定，是预测高级结构的基础。蛋白质二级结构主要利用氨基酸序列信息，通过实验分析或统计方法对蛋白质的二级结构进行预测，当预测的正确率达到80％以上时，就可以比较准确的描述蛋白质的空间结构。随着DNA分析和测序技术的发展，通过对DNA的推导和分析获得了大量的蛋白质序列信息，但是通过传统实验和统计方法分析获得的蛋白质结构却很少，蛋白质结构数据更新缓慢，阻碍了蛋白质结构和功能相关研究的发展，目前研究的重点逐渐开始转向寻找新的结构预测方法。

人工神经网络(ArtificialNeuralNetwork，即ANN)，由人脑神经元网络抽象而来，从信息分析和处理的角度，对自然神经网络的特性进行抽象和模拟，按不同的规则和连接方式组成网络。BP神经网络算法是目前应用最广泛的神经网络模型之一，被成功应用于信息、生物和医学等领域的研究中。BP神经网络算法的引入，使蛋白质结构预测获得了新的途径。

发明内容

本发明针对蛋白质二级结构预测准确率低及BP神经网络存在的缺陷，对网络的学习过程进行改进的问题，提供一种用于蛋白质二级结构预测的BP神经网络训练及预测方法。

本发明是通过下述方案予以实现的，一种基于BP神经网络的蛋白质二级结构预测方法，采用下述步骤实现：

步骤一、从PDB中选取一组α螺旋、β折叠和卷曲三类结构占正常比例的蛋白质结构数据组成训练样本集；

步骤二、采用六位输入编码蛋白质的氨基酸序列信息，采用滑动窗口选定输入范围；

步骤三、BP神经网络训练参数初始化，滑动窗口位置初始化；

步骤四·一、隐藏层输出计算，选取训练样本输入网络，计算隐藏层输出；

步骤四·二、输出层输出计算，利用隐藏层计算获得的输出，计算输出层输出；

步骤四·三、输出层权值误差计算，比较网络实际输出与期望输出，计算输出层权值误差；

步骤四·四、隐藏层权值误差计算，利用输出层校正误差和隐藏层输出，计算获得隐藏层权值误差；

步骤四·五、反向调整网络中各神经元的权值，根据误差计算权值调整量，对神经元的权值和阈值进行调整；

步骤四·六、滑动窗口右移一位，跳至四·一，直到整个蛋白质序列计算完成；

步骤四·七、选择下一条训练样本进行学习，跳至四·一，直到所有序列计算完成；

步骤四·八判断网络误差是否小于期望误差，若小于期望误差则结束训练，否则判断迭代次数是否达到最大学习次数，当小于最大学习次数时跳步骤四·一，否则结束训练；

步骤五、输入测试数据，判定蛋白质序列所对应的二级结构。

本发明采用BP神经网络算法对蛋白质二级结构进行预测，并针对BP神经网络存在的缺陷，对网络的学习过程进行改进。在网络学习过程中，采用批处理学习模式，提升计算过程的并行空间，提高网络收敛速度；其次，基于梯度方法上进行优化，引入附带动量项和自适应学习率的学习规则，避免“振荡现象”和陷入局部极小值。在网络结构和相关技术的选择上，在输入层采用六位输入编码方式和滑动窗口技术，隐藏层结构根据经验公式和滑动窗口大小进行设置，输出层依据DSSP算法对蛋白质二级结构的分类进行输出预测。

附图说明

图1为滑动窗口示意图，窗口大小为2n+1，窗口两侧长度均为n，待预测氨基酸残基为窗口中心位置的残基I，输入网络的相邻氨基酸残基为YFQSMSVKGR和YSILKQIG，则网络的期望输出则为T。随后窗口右移一个位置，对下一个残基的结构进行预测，则待预测氨基酸残基变为Y，期望输出为E。

图2为六位编码方式示例图，窗口中心的丙氨酸(A)的编码为000011，窗口右侧异亮氨酸(I)的编码为010000.125。

图3为用于蛋白质二级结构的BP神经网络模型，输入层有N个神经元，隐藏层有T个神经元，输出层有M个神经元。

图4为BP神经网络训练流程图，是对训练样本集进行反复学习，使网络逐渐收敛的过程。

具体实施方式

一种基于BP神经网络的蛋白质二级结构预测方法，采用下述方法具体实施：

具体实施方式一：下面结合图1、图2、图3具体说明本实施方式。

步骤一、从PDB中选取一组α螺旋、β折叠和卷曲三类结构占正常比例的蛋白质结构数据组成训练样本集，三类结构比例均在20％～40％间，卷曲结构偏多；