[发明专利]一种基于序列模板的配体绑定残基预测方法

说明书

一种基于序列模板的配体绑定残基预测方法，首先，根据输入待进行配体绑定残基预测的蛋白质序列信息，其残基个数为L，使用HHblits程序获取包含M条序列的多序列联配信息；然后，分别提取这M条序列的PSSM、SA、PSS、DA特征并按行合并以上特征矩阵生成对应的二维矩阵，将这M条序列的二维特征矩阵扩展为一个特征张量；其次，搭建深度卷积神经网络并利用已知绑定残基的蛋白质序列生成对应的特征张量对该网络进行训练；最后，将待预测的蛋白质序列生成的特征张量输入到训练好的深度卷积神经网络模型中，预测蛋白质序列中的残基是否为绑定残基。

技术领域

本发明涉及生物信息学与计算机应用领域，具体而言涉及一种基于序列模板的配体绑定残基预测方法。

背景技术

蛋白质与配体的相互作用在生命过程中是普遍存在且不可或缺的,这种相互作用在生物分子的识别和信号传递过程中起着非常重要的作用。因此，精确识别出蛋白质与配体相互作用的绑定残基对蛋白质功能研究、药物设计和筛选等方面都有着重要的科学意义。

调研文献发现，已有很多用于预测绑定残基的方法被提出，如:TargetDBP(Hu J,Zhou X,Zhu Y H,et al.TargetDBP:Accurate DNA-Binding Protein Prediction viaSequence-based Multi-View Feature Learning[J].IEEE/ACM Transactions onComputational Biology and Bioinformatics,2019:1-1.即:Hu J等.基于序列的多视图特征学习精确预测DNA结合蛋白[J].计算生物学和生物信息学IEEE/ACM汇刊,2019:1-1)、(Cui Y,Dong Q,Hong D,et al.Predicting protein-ligand binding residues withdeep convolutional neural networks[J].BMC Bioinformatics,2019,20(1).即：Cui Y等.用深卷积神经网络预测蛋白质配体结合残基[J].BMC生物信息学,2019,20(1))以及(Ma,Xin,Guo,Jing,Liu,Hong-De,et al.Sequence-Based Prediction of DNA-BindingResidues in Proteins with Conservation and Correlation Information[J].IEEE/ACM Transactions on Computational BiologyBioinformatics,9(6):1766-1775.即：Ma等.基于序列的蛋白质DNA结合残基预测及其相关信息的研究[J]。计算生物学与生物信息学IEEE/ACM汇刊,9(6):1766-1775)等。尽管已有的方法可以用于预测绑定残基，但是普遍使用大量训练数据集和机器学习算法，所以计算代价较大，同时由于训练集中的噪音信息没有得到足够的关注，预测精度并不能保证是最优的。

综上所述，已有的配体绑定残基预测方法在计算代价、预测精度两个方面距离实际应用的要求还有很大差距，迫切地需要改进。

发明内容

为了克服已有的配体绑定残基预测方法在计算代价、预测精度两个方面的不足，本发明提出一种计算代价小、预测精度高的一种基于序列模板的配体绑定残基预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于序列模板的配体绑定残基预测方法，所述方法包括以下步骤：

1)输入一个待进行配体绑定残基预测的蛋白质序列P，其残基个数为L；