[发明专利]蛋白质局部结构特征的预测方法及系统

权利要求书

1.一种蛋白质局部结构特征的预测方法，其特征在于，包括：

从蛋白质数据库中提取序列，组成训练集和独立测试集；

计算样本集中的每个蛋白质序列中各残基的溶剂可及性；

统一构造样本集中各蛋白质序列的特征序列以作为训练模型的输入，所述训练模型采用隐藏层数为3的基于栈式稀疏自编码的深度神经网络模型，并将dropout方法应用在整个网络的隐藏层中，随机的让隐藏层中的某些神经元不工作以降低模型的过拟合；

通过训练集优化所述训练模型的权重参数，使得下述的损失函数的值达到最小，所述损失函数为：

其中，m为样本数，W是整个网络的连接权重矩阵，W_ji^(l)表示第l-1层中第i个神经元与第l层中第j个神经元之间的连接权值；b是偏置项，是一个向量；s是某一隐藏层的神经元个数，s_l是指第l层的神经元个数；x⁽ⁱ⁾和y⁽ⁱ⁾分别是训练集中对应的一组实测的输入和输出，h_W,b(x⁽ⁱ⁾)是神经网络的拟合函数；n_l表示网络的层数；λ是权重衰减参数；β控制稀疏性惩罚因子的权重；ρ是稀疏性参数，为了能用最少的隐藏单元来表示输入层的特征，限制且是指第l层第j个神经元的输出值；

根据训练好的网络模型进行蛋白质序列中各残基的溶剂可及性预测，包括：

将蛋白质溶剂可及性预测结果分类为暴露、中间或隐藏共三个状态，对每一个蛋白质残基，将进行特征编码之后的向量记为x，预测的类标记为y，因此y∈{1,2,3}，y的概率值表示为：

p(y|x；W,b)＝sigmoid(Wx+b)

其中，sigmoid函数为神经网络输出层的分类器；

根据各状态的概率分布情况，选取概率最大的值作为最后的预测值。

2.根据权利要求1所述的蛋白质局部结构特征的预测方法，其特征在于，所述权重衰减参数取值为0.003，稀疏性参数取值为0.2。

3.一种执行上述权利要求1至2任一所述方法的蛋白质局部结构特征的预测系统。

4.一种蛋白质局部结构特征的预测方法，其特征在于，包括：

从蛋白质数据库中提取序列，组成训练集和独立测试集；

计算样本集中的每个蛋白质序列中各残基的残基接触数；

统一构造样本集中各蛋白质序列的特征序列以作为训练模型的输入，所述训练模型采用隐藏层数为3的基于栈式稀疏自编码的深度神经网络模型，并将dropout方法应用在整个网络的隐藏层中，随机的让隐藏层中的某些神经元不工作以降低模型的过拟合；

通过训练集优化所述训练模型的权重参数，使得下述的损失函数的值达到最小，所述损失函数为：

其中，m为样本数，W是整个网络的连接权重矩阵，W_ji^(l)表示第l-1层中第i个神经元与第l层中第j个神经元之间的连接权值；b是偏置项，是一个向量；s是某一隐藏层的神经元个数，s_l是指第l层的神经元个数；x⁽ⁱ⁾和y⁽ⁱ⁾分别是训练集中对应的一组实测的输入和输出，h_W,b(x⁽ⁱ⁾)是神经网络的拟合函数；n_l表示网络的层数；λ是权重衰减参数；β是控制稀疏性惩罚因子的权重或称为稀疏性参数；ρ是稀疏性参数，为了能用最少的隐藏单元来表示输入层的特征，限制且是指第l层第j个神经元的输出值；

根据训练好的网络模型进行蛋白质序列中各残基的残基接触数预测，包括：

考虑到绝大多数的残基接触数是小于或等于14，将残基接触数当作一个15状态的分类问题，因此y∈{0,1,…,14}；y的概率值表示为：

p(y|x；W,b)＝sigmoid(Wx+b)

其中，sigmoid函数为神经网络输出层的分类器；

根据各状态的概率分布情况，选取概率最大的值作为最后的预测值。