[发明专利]肽段可检测性预测方法及系统

权利要求书

1.一种肽段可检测性预测方法，其特征在于，所述方法包括：

对所有蛋白序列进行理论酶切，得到各理论酶切肽段；

利用预先训练得到的基于肽序列的肽段可检测性预测模型确定各理论酶切肽段的可检测性，得到各理论酶切肽段的第一可检测性概率，所述肽段可检测性预测模型为循环神经网络；

确定各理论酶切肽段的酶切概率；

利用所述理论酶切肽段的酶切概率对所述理论酶切肽段的第一可检测性概率进行修正，得到所述理论酶切肽段的第二可检测性概率，包括按以下任意一种方式确定所述理论酶切肽段的第二可检测性概率p_Det：

(1)

(2)p_Det＝(p_BiLSTM*p_Dig)^β,β＞0；

(3)p_Det＝γ*p_BiLSTM+(1-γ)*p_Dig,γ∈[0,1]；

其中，p_Dig为所述理论酶切肽段的酶切概率，p_BiLSTM为所述理论酶切肽段的第一可检测性概率。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括按照以下方式建立基于肽序列的肽段可检测性预测模型：

从已鉴定蛋白序列中筛选出高可信蛋白序列；

对所述高可信蛋白序列进行理论酶切，得到各理论酶切肽段；

根据所述理论酶切肽段生成第一训练数据集；

利用所述第一训练数据集训练肽段可检测性预测模型。

3.根据权利要求2所述的方法，其特征在于，所述从已鉴定蛋白序列中筛选出高可信蛋白序列包括：

根据所述已鉴定蛋白序列的谱图计数和序列覆盖度筛选出高可信蛋白序列。

4.根据权利要求2所述的方法，其特征在于，所述肽段可检测性预测模型包括：词嵌入层、双向长短时记忆网络层、全连接层。

5.根据权利要求1所述的方法，其特征在于，所述确定各理论酶切肽段的酶切概率包括：

利用基于随机森林构建的酶切概率预测模型确定各理论酶切肽段的酶切概率；或者

利用基于神经网络构建的酶切概率预测模型确定各理论酶切肽段的酶切概率。

6.一种肽段可检测性预测系统，其特征在于，所述系统包括：

理论酶切模块，用于对所有蛋白序列进行理论酶切，得到各理论酶切肽段；

预测模块，用于利用预先训练得到的基于肽序列的肽段可检测性预测模型确定各理论酶切肽段的可检测性，得到各理论酶切肽段的第一可检测性概率，所述肽段可检测性预测模型为循环神经网络；

酶切概率确定模块，用于确定各理论酶切肽段的酶切概率；

修正模块，用于利用所述理论酶切肽段的酶切概率对所述理论酶切肽段的第一可检测性概率进行修正，得到所述理论酶切肽段的第二可检测性概率；

所述利用所述理论酶切肽段的酶切概率对所述理论酶切肽段的第一可检测性概率进行修正，得到所述理论酶切肽段的第二可检测性概率，包括按以下任意一种方式确定所述理论酶切肽段的第二可检测性概率p_Det：

(1)

(2)p_Det＝(p_BiLSTM*p_Dig)^β,β＞0；

(3)p_Det＝γ*p_BiLSTM+(1-γ)*p_Dig,γ∈[0,1]；

其中，p_Dig为所述理论酶切肽段的酶切概率，p_BiLSTM为所述理论酶切肽段的第一可检测性概率。

7.根据权利要求6所述的系统，其特征在于，所述系统还包括：肽段可检测性预测模型构建模块，用于建立基于肽序列的肽段可检测性预测模型；所述肽段可检测性预测模型构建模块包括：

第一筛选单元，用于从已鉴定蛋白序列中筛选出高可信蛋白序列；

理论计算单元，用于对所述高可信蛋白序列进行理论酶切，得到各理论酶切肽段；

第一训练数据集生成单元，用于确定各理论酶切肽段中的正例肽段和反例肽段，生成第一训练数据集；

第一训练单元，用于利用所述第一训练数据集训练肽段可检测性预测模型。