[发明专利]一种新的融合遗传信息的蛋白质序列表示方法

摘要

本发明提供一种新的融合遗传信息的蛋白质序列表示方法，将蛋白质P序列中的保守区氨基酸不变，非保守区域氨基酸按照其PSSM矩阵突变为其它氨基酸概率的大小依次转换成其它氨基酸，这样就可以得到20条含有蛋白质P遗传信息的虚拟蛋白质，将蛋白质P与虚拟蛋白质组，合成新的蛋白质P的向量描述，以解决蛋白质二级结构类型预测及亚细胞定位预测率较低的问题。本发明提出的方法与现有融合进化信息方法相比，具有更明显的生物学意义，采用最具可能进化的蛋白质组来表示某一个蛋白质，能明显提高相关预测器的预测成功率，具有广阔的运用空间。

主权项

一种新的融合遗传信息的蛋白质序列表示方法，其特征在于包括以下步骤：（1）使用PSI‑BLAST程序搜索Swiss‑Prot数据库生成蛋白质序列P的位置特异打分矩阵PSSM；（2）将P蛋白基因与NCBI数据库中蛋白质序列进行比对，找到蛋白基因P的保守序列；（3）根据PSSM矩阵可以知道蛋白质序列P中某个位置上的氨基酸突变为其它氨基酸的概率，将此蛋白保守序列位置上的氨基酸不变，非保守区域氨基酸按照其突变为其它氨基酸概率的大小依次转换成其它氨基酸，这样就可以得到20条含有蛋白质P遗传信息的虚拟蛋白质；（4）取这20个虚拟蛋白质中的前n个蛋白质序列构成描述蛋白质序列P的蛋白质组；（5）对所得到的蛋白质组n+1个蛋白质采用伪氨基酸组成成分特征提取方法，得到其向量描述，将这n+1个向量相结合，最终得到蛋白质P的向量描述方法。