[发明专利]一种基于图卷积神经网络的蛋白质自相互作用预测方法

权利要求书

1.一种基于图卷积神经网络的蛋白质自相互作用预测的方法，其特征在于，包括以下步骤：

a、数据集的选择与建立：利用收集自UniProt、InnateDB、BioGRID、DIP和MatrixDB数据库的蛋白质序列数据构建预测蛋白质自相互作用的数据集；

b、位置特异性评分矩阵,PSSM矩阵的构建；

c、图卷积神经网络的构建：利用深度学习的图卷积神经网络算法，将图卷积解释为概率度下嵌入函数的积分变换，通过逐层抽取的方式，将复杂的蛋白质进化信息数据转换为一系列简单的高级特征；

d、分类器模型的构建：利用随机森林算法，通过创建多个决策树的子分类器，并以集成的方式构建分类器模型。

2.根据权利要求1所述的方法，其特征在于，所述的步骤a，对得到的数据集需经过以下处理：

（1）从人类蛋白质组中删除长度大于5000或小于50个残基的蛋白质序列；

（2）被选择作为阳性样本的蛋白质数据至少满足以下条件之一：A.在UniProt中，蛋白质被定义为同寡聚体；B.至少有两篇已发表的文章报道过它们；C.至少通过两种大规模或一种小规模实验验证；

（3）阴性数据集中去除了所有已知的自相互作用蛋白质。

3.根据权利要求1所述的方法，其特征在于，所述的PSSM矩阵为，将蛋白质序列转化为N*20的矩阵，其中N代表蛋白质的残基数，20代表为20个氨基酸种类，通过使用BLAST的位置特异性PSIBLAST将每个蛋白质都转换成PSSM矩阵。

4.根据权利要求1所述的方法，其特征在于，所述的步骤c为利用图卷积神经网络提取蛋白质自相互作用拓扑图的空间特征，其具体步骤为：

从拓扑图中选择一个固定长度的节点序列；

对序列中的每个节点，收集固定大小的邻域集合；

对由当前节点及其对应的邻域构成的子图进行规范化，作为卷积结构的输入；

通过逐层的卷积池化操作逐步提取出数据中隐藏的深度特征；

利用梯度下降法最小化损失函数，对网络中的权重参数逐层反向调节，并通过多次迭代训练提高网络的精度。

5.根据权利要求1所述的方法，其特征在于，所述的步骤d，包括以下步骤：创建随机森林；基于创建的随机森林分类器进行预测；

所述的创建随机森林具体为：

（1）从全部m个特征中随机选择K个特征，其中k m；

（2）在K个特征中，用最佳分裂点计算节点d；

（3）用最佳分裂将节点分裂为子节点；

（4）重复前面三步的过程，直到获得I个数量的节点；

（5）重复第1到第4步n次创建n个树，从而形成一个森林；

所述的基于创建的随机森林分类器进行预测具体为：

（1）选取测试特征，用每个随机创建的决策树的规律去预测结果，并保存预测的结果；

（2）结算每个预测目标的得票数；

（3）将得票最多的预测目标作为随机森林算法的最终预测。