[发明专利]一种q-HMM和规则相结合的蛋白质二级结构预测方法

说明书

本发明公开了一种q‑HMM和规则相结合的蛋白质二级结构预测方法，首先建立q‑HMM并利用关联规则优化模型，然后训练q‑HMM参数，使用模型参数进行预测，最后得出预测的蛋白质二级结构链。本发明将经典HMM改进为q‑HMM，建立了适用于蛋白质二级结构预测的双向q‑HMM，同时考虑了邻近的氨基酸一级结构和二级结构的影响，弥补了经典HMM固有的时序特性的缺陷；使用q‑HMM的同时融入了规则以提高模型预测的准确度，双向预测提高了计算速度，同时也弥补了规则预测的不足。

技术领域

本发明属于蛋白质二级结构预测领域，特别是一种q-HMM和规则相结合的蛋白质二级结构预测方法。

背景技术

自人类基因组计划在上世纪末正式启动后，科学家们前仆后继地攻克难关，终于在本世纪初完成了人类基因图谱的绘制，人类自此进入后基因组时代，而蛋白质组研究是后基因组时代生命科学中最重大的研究课题之一。想要研究蛋白质组，首要的任务是研究其功能与结构。在科学界普遍的认知是，蛋白质二级结构预测是蛋白质整体结构预测的先驱。蛋白质二级结构是指，多肽主链骨架原子沿一定的轴盘旋或折叠而形成的特定的构象，即肽链主链骨架原子的空间位置排布，不涉及氨基酸残基侧链。

蛋白质二级结构的主要形式包括α-螺旋、β-折叠、β-转角和无规则卷曲。由于蛋白质的分子量较大，所以一个蛋白质分子的不同肽段可能含有不同形式的二级结构。一种蛋白质的二级结构并非单纯的α-螺旋或β-折叠等结构，而是这些不同类型构象的组合，且不同肽段的占比通常不同。因此，如果能够寻找一个准确率高的蛋白质二级结构预测方法，就会对后续蛋白质功能与结构的研究有着承上启下的重要作用。

现有的蛋白质二级结构预测方法主要有：隐马尔可夫模型、立体化学法、神经网络法、氢键数法等，可大致分为两代。

第一代预测方法：假设多肽链序列中的氨基酸在形成二级结构时，是独立折叠、不受氨基酸之间相互作用的影响，故该时期的预测方法多是以统计的方法为主。这类预测方法主要是根据单个残基的性质来做判断，在预测时将氨基酸分成螺旋、折叠、转角的形成子或切断子，再根据此信息找出氨基酸序列中可能形成各二级结构的片段。但这样的假设并不正确，越来越多的研究和试验证明了序列中存在有局部影响作用。第一代预测方法以Chou-Fasman为主要代表，准确率大概在50％-60％之间。

第二代预测方法：在众多的研究和试验已经证明局部作用也会影响二级结构的形成，这一时期的预测方法一般都利用滑动窗口技术加入局部影响作用。普遍思路如下：将已知结构的蛋白质氨基酸序列以一个大小固定的窗口，利用滑动窗口的方式将其切成数个片段，再设法从这些片段中提取出有用的信息。这一类预测方法虽然加入了对局部影响作用的考虑，但是没有考虑到各个窗口片段之间的影响，也没有考虑远程氨基酸之间的相互影响。因此其预测的准确率也只大约维持在60％-65％之间。这一代预测方法包括GOR3、Levin等。

发明内容

本发明的目的在于提供一种q-HMM和规则相结合的蛋白质二级结构预测方法，以提高预测蛋白质二级结构的准确度。

实现本发明目的的技术解决方案为：

一种q-HMM和规则相结合的蛋白质二级结构预测方法，包括以下步骤：

步骤1、建立q-HMM(量子-隐马尔可夫模型)：定义蛋白质二级结构状态序列集合S、蛋白质一级结构观测序列集合V、q-HMM中的状态转移张量A、q-HMM中的发射张量B、q-HMM中的初始张量π；

步骤2、提取关联规则：定义关联规则参数，计算提取蛋白质二级结构规则的置信度与支持度，对比置信度与支持度的阈值产生频繁项集，最终得到强关联规则；

步骤3、使用统计方法求解q-HMM参数:训练q-HMM模型参数：使用Baum Welch算法对q-HMM模型参数进行迭代计算，并利用重估公式得到q-HMM中的状态转移张量A、q-HMM中的发射张量B、q-HMM中的初始张量π；