[发明专利]蛋白质的结构信息预测方法、装置、设备及存储介质

权利要求书

1.一种蛋白质的结构信息预测方法，其特征在于，所述方法包括：

根据蛋白质的氨基酸序列在第一数据库中进行序列对齐查询，获得多序列对齐数据；

对所述多序列对齐数据进行特征提取，获得初始序列特征；

通过序列特征扩增模型对所述初始序列特征进行处理，获得所述蛋白质的扩增序列特征；所述序列特征扩增模型是通过初始序列特征样本和扩增序列特征样本训练获得的机器学习模型；所述初始序列特征样本是根据氨基酸序列样本在所述第一数据库中进行序列对齐查询获得的，所述扩增序列特征样本是根据所述氨基酸序列样本在第二数据库中进行序列对齐查询获得的；所述第二数据库的数据规模大于所述第一数据库的数据规模；

通过所述扩增序列特征预测所述蛋白质的结构信息。

2.根据权利要求1所述的方法，其特征在于，

所述序列特征扩增模型是针对一维序列数据的全卷积神经网络、由多层长短期记忆LSTM单元构成的循环神经网络模型或者由双向LSTM单元构成的循环神经网络。

3.根据权利要求1所述的方法，其特征在于，所述初始序列特征和所述扩增序列特征为位置特异性得分矩阵。

4.根据权利要求1所述的方法，其特征在于，所述第一数据库和所述第二数据库之间的数据分布相似度高于相似度阈值。

5.根据权利要求4所述的方法，其特征在于，所述第一数据库是在所述第二数据库的基础上随机剔除指定比例的数据后获得的数据库。

6.根据权利要求1至5任一所述的方法，其特征在于，所述根据蛋白质的氨基酸序列在第一数据库中进行序列对齐查询，获得多序列对齐数据之后，还包括：

通过所述序列特征扩增模型对所述初始序列特征样本进行处理，获得扩增后的初始序列特征样本；

根据所述扩增后的初始序列特征样本，以及所述扩增序列特征样本，对所述序列特征扩增模型进行更新。

7.根据权利要求6所述的方法，其特征在于，所述根据所述扩增后的初始序列特征样本，以及所述扩增序列特征样本，对所述序列特征扩增模型进行更新，包括：

根据所述扩增后的初始序列特征样本，以及所述扩增序列特征样本进行损失函数计算，获得损失函数值；

根据所述损失函数值对所述序列特征扩增模型中的模型参数进行更新。

8.根据权利要求7所述的方法，其特征在于，所述根据所述扩增后的初始序列特征样本，以及所述扩增序列特征样本进行损失函数计算，获得损失函数值，包括：

计算所述扩增后的初始序列特征样本与所述扩增序列特征样本之间的重构误差；

将所述重构误差获取为所述损失函数值。

9.根据权利要求8所述的方法，其特征在于，所述计算所述扩增后的初始序列特征样本与所述扩增序列特征样本之间的重构误差，包括：

计算所述扩增后的初始序列特征样本与所述扩增序列特征样本之间的均方根重构误差。

10.根据权利要求7所述的方法，其特征在于，所述根据所述损失函数值对所述序列特征扩增模型中的模型参数进行更新，包括：

当根据所述损失函数值确定所述序列特征扩增模型未收敛时，根据所述损失函数值对所述序列特征扩增模型中的模型参数进行更新。

11.根据权利要求1至5任一所述的方法，其特征在于，所述通过所述扩增序列特征预测所述蛋白质的结构信息，包括：

通过蛋白质结构信息预测模型对所述扩增序列特征进行预测，获得所述蛋白质的结构信息；

其中，所述蛋白质结构信息预测模型是根据蛋白质样本的序列特征，以及所述蛋白质样本的结构信息训练获得的模型。