[发明专利]蛋白质编码方法及蛋白质翻译后修饰位点预测方法及系统

摘要

本发明公开了蛋白质编码方法及蛋白质翻译后修饰位点预测方法及系统，属于生物信息学领域。所述蛋白质编码方法包括收集修饰位点信息、位置权重训练和待编码肽段的编码。蛋白质翻译后修饰位点预测方法包括收集修饰位点信息、特征编码、模型训练和蛋白质翻译后修饰位点预测。本发明利用深度神经网络和惩罚逻辑回归分别对不同类别的阳性位点和阴性位点的数字向量特征构建预测模型，得到多个预测模型；将每个预测模型的预测结果作为新的特征并利用惩罚逻辑回归构建最终模型。本发明可以捕获更多蛋白信息从而有助于提高预测的准确度，可以快速的大规模鉴定蛋白质修饰位点。

主权项

1.一种蛋白质编码方法，其特征在于，所述蛋白质编码方法用于表示待编码肽段与阳性数据集肽段的相似度，含有以下步骤：(1)收集修饰位点信息：首先收集蛋白质翻译后目标类型的修饰位点信息；将所述目标类型的修饰位点在蛋白质上的对应位点作为阳性位点，将该蛋白质上与所述阳性位点相同的其它氨基酸位点作为阴性位点；将蛋白质的一级序列切割成以所述阳性位点或阴性位点为中心，该中心上游为n个氨基酸，该中心下游为n个氨基酸，总长度为2n+1个氨基酸序列；所述n大于等于1；所有含有所述阳性位点的所述氨基酸序列构成阳性数据集，所有含有所述阴性位点的所述氨基酸序列构成阴性数据集；(2)位置权重训练：步骤(1)所述阳性数据集和阴性数据集中的每个肽段与阳性数据集基于位置权重和氨基酸替换得分的相似度打分的公式为：其中：L为所述阳性数据集中每个肽段的长度2n+1；N为所述阳性数据集中肽段的数量；T_ij是阳性数据集中肽段T_i在位置j上的氨基酸，i的取值范围为1≤i≤N；P_j为肽段在位置j上的氨基酸；M[P_j，T_ij]为氨基酸P_j和T_ij在BLOSUM62氨基酸替换矩阵中的分值；W_j为该肽段中位置j上的权重；所述阳性数据集和阴性数据集中的每条肽段分别与阳性数据集中的每条肽段依次打分，其中肽段不与其自身打分，初始位置权重W_j为1，获得肽段中除中心位置以外的其它2n个位置的得分；然后将该2n个位置的得分使用惩罚逻辑回归执行交叉验证，使AUC值最大的权重向量由肽段中各个位置上的权重W_j组成；(3)待编码肽段的编码：待编码肽段与阳性数据集间的氨基酸对的平均相似度S为：其中：L是待编码肽段的长度，j为氨基酸所在位置，C_j为待编码肽段与阳性数据集间的任意一个氨基酸对在位置j上出现的次数，M为所述氨基酸对在BLOSUM62氨基酸替换矩阵中的分值，W_j为步骤(2)训练得到的待编码肽段位置j上的权重；待编码肽段与阳性数据集间的所有的氨基酸对的相似度得分构成该待编码肽段的数字向量特征。