[发明专利]一种基于长短时记忆网络的蛋白质二级结构预测方法

说明书

一种基于长短时记忆网络的蛋白质二级结构预测方法，首先，根据输入残基数为L的待进行二级结构预测的蛋白质序列信息，分别使用HHblits和PSI‑BLAST程序获取特征矩阵PSFM和PSSM；然后，将以上两个矩阵组合为一个特征矩阵F并将其转化为特征张量；其次，我们将蛋白质序列处理成残基样本；再次，搭建长短期记忆网络和条件随机场模型，利用已知二级结构的蛋白质序列构建数据集并训练所搭建的网络，最后，将待进行二级结构预测的蛋白质序列的残基样本输入到训练的模型中，得到序列的二级结构。本发明提供一种计算代价低、划分精度高的一种基于长短时记忆网络的蛋白质二级结构预测方法。

技术领域

本发明涉及生物信息学、模式识别与计算机应用领域，具体而言涉及一种基于长短时记忆网络的蛋白质二级结构预测方法。

背景技术

蛋白质是生命活动的主要承担者，蛋白质具有多种多样的功能，而蛋白质的功能由其结构决定。由于基因工程的影响带来的大量序列信息，使得从氨基酸序列预测蛋白质结构的方法兴起。蛋白质二级结构的预测有助于对蛋白质三级结构以及结构域的研究。因此，精确地进行蛋白质二级结构预测，有助于蛋白质功能的研究及药物靶蛋白的设计，具有十分重要的意义。

目前，已有很多用于预测蛋白质二级结构的方法被提出：如：PSIPRED(Jones DT.Protein secondary structure prediction based on position-specific scoringmatrices[J].Journal of molecular biology,1999,292(2):195-202.即：Jones D T等.基于位置特异性评分矩阵的二级结构预测[J].分子生物学杂志,1999,292(2):195-202)、RAPTORX(Wang S,Peng J,Ma J,et al.Protein secondary structure prediction usingdeep convolutional neural fields[J].2015.即:Wang,S等.基于深度卷积神经网络的蛋白质二级结构预测[J].2015)、SPIDER(Heffernan R,Yang Y,Paliwal K,et al.Capturingnon-local interactions by long short-term memory bidirectional recurrentneural networks for improving prediction of protein secondary structure,backbone angles,contact numbers and solvent accessibility[J].Bioinformatics,2017,33(18):2842-2849.即：Heffernan R等.通过长短时记忆递归神经网络捕获非局部相互作用改善蛋白质二级结构、主链角、接触数和溶剂可及性的预测[J].生物信息学,2017,33(18):2842-2849)、PSRSM(Ma Y,Liu Y,Cheng J.Protein secondary structureprediction based on data partition and semi-random subspace method[J].Scientific reports,2018,8(1):1-10.即：Ma Y等.基于数据划分和半随机子空间方法的蛋白质二级结构预测[J].科学报,2018,8(1):1-10)。尽管已有的方法可以用于预测蛋白质二级结构，但是在计算代价、预测准确度方面，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

为了克服现有蛋白质二级结构预测方法在计算代价、预测精确度方面的不足，本发明提出一种计算代价低、划分精确性高的基于长短时记忆网络的蛋白质二级结构预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于长短时记忆网络的蛋白质二级结构预测方法，其特征在于，所述预测方法包括以下步骤：

1)输入一个残基数为L的待进行二级结构预测的蛋白质序列信息，记作P；