[发明专利]一种基于多视角学习的蛋白质溶剂可及性预测方法

说明书

一种基于多视角学习的蛋白质溶剂可及性预测方法，根据输入的待测定蛋白质溶剂可及性的蛋白质序列信息，使用HHblits工具生成对应的多序列联配信息，基于多序列联配信息，生成对应的位置特异性频率矩阵；使用PSI‑BLAST工具生成对应的位置特异性得分矩阵，使用PSIPRED工具生成对应的二级结构信息；搭建多视角学习神经网络框架，并从PDB库中收集已注释三级结构信息的所有蛋白质，生成蛋白质的特征信息，与对应的标签组成数据集，使用多视角学习神经网络框架在数据集上学习预测模型；将待进行蛋白质溶剂可及性预测的特征信息输入模型中，得到蛋白质溶剂可及性的预测结果。本发明计算代价低、预测精度高。

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多视角学习的蛋白质溶剂可及性预测方法。

背景技术

在各项生命活动中，蛋白质的生物功能都起着至关重要的作用，而蛋白质的生物功能主要由其结构决定。预测蛋白质的溶剂可及性是蛋白质结构预测的关键步骤。因此，精确预测蛋白质的溶剂可及性，对于理解蛋白质功能、分析生物分子之间的相互关系和设计新药物等方面具有重要的指导意义。

调研文献发现，已有很多用于预测蛋白质氨基酸的溶剂可及性方法被提出，如:Sann(Joo,K.；Lee,S.J.；Lee,J.Sann:Solvent accessibility prediction of proteinsby nearest neighbor method.Proteins Struct.Funct.Bioinform.2012,80,1791.即：Joo,K等.Sann:一种基于K近邻算法的预测蛋白质溶剂可及性的方法.蛋白质结构、功能、生物.2012,80,1791.)及SPIDER3(Heffernan R et al(2017)Capturing non-localinteractions by long short term memory bidirectional recurrent neuralnetworks for improving prediction of protein secondary structure,backboneangles,contact numbers and solvent accessibility.Bioinformatics(Oxford,England)33(18):2842-2849.即：Heffernan R等.利用长短时记忆双向递归神经网络捕获非局部相互作用，进而改善蛋白质二级结构、主链角、接触数和溶剂可及性的预测.生物信息学，33(18):2842-2849.)等。尽管已有的方法可以用于预测蛋白质的溶剂可及性，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和数据不平衡问题没有得到足够的关注，预测精度并不能保证是最优的且预测效率有待进一步提升。

综上所述，现存的蛋白质溶剂可及性的预测方法在计算代价、预测精确性方面，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溶剂可及性的预测方法在计算代价较高、预测精确性较低的不足，本发明提出一种计算代价低、预测精确性高的基于迭代搜索策略的蛋白质溶剂可及性预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于多视角的蛋白质溶剂可及性预测方法，所述方法包括以下步骤：

1)输入一条蛋白质残基个数为L的待进行蛋白质溶剂可及性预测的蛋白质序列信息，记作S；

2)对任意给定的蛋白质残基个数为L^X的蛋白质序列信息，记作S^X；