[发明专利]预测氨基酸突变的方法及系统

权利要求书

1.一种预测氨基酸突变的方法，其特征在于，包括：

构建蛋白质样本集，将氨基酸突变后表现是中性的样本归为负样本，将氨基酸突变后表现为病态的样本归为正样本；

确定预筛选的特征，并计算各样本的各特征值，以突变的氨基酸为中心确定滑动窗口的大小，以所确定的滑动窗口将同一样本的各个特征值整合到一条特征序列中组合构造成样本的初始特征集合，所述预筛选的特征包括根据欧式距离和沃罗诺伊图所确定的空间邻居的序列和结构特征；

通过稳定性特征选择算法对所述初始特征集合进行第一次降维处理，筛选出比较重要特征组合构造成样本的第一次筛选特征集合；

通过序列前向选择算法对所述第一次筛选特征集合进行第二次降维处理，筛选出重要特征组合构成样本的最终筛选特征集合；

抽取正样本和负样本构建训练集和独立测试集，将所述训练集中各样本的最终筛选特征集合代入梯度提升树算法中进行训练，得出最终的分类模型，并结合所述独立测试集的最终筛选特征集合对所述分类模型的预测结果进行评估。

2.根据权利要求1所述的预测氨基酸突变的方法，其特征在于，所述负样本的数据从Ensemble human variation数据库中提取。

3.根据权利要求1所述的预测氨基酸突变的方法，其特征在于，所述正样本的数据从UniProt human sequence variations数据库中提取。

4.根据权利要求1至3任一所述的预测氨基酸突变的方法，其特征在于，所述预筛选的特征还包括：

物理化学特征，特定位置得分矩阵，溶剂可及性表面积，螺旋转角，替换矩阵，二级结构，保守性分数，残基结构熵值及残基相互联系的网络特征。

5.根据权利要求1至3任一所述的预测氨基酸突变的方法，其特征在于，在构建蛋白质样本集的过程中，还包括对蛋白质序列相似性大于0.4的重复性数据做剔除处理。

6.一种预测氨基酸突变的系统，其特征在于，包括：

第一处理模块，用于构建蛋白质样本集，将氨基酸突变后表现是中性的样本归为负样本，将氨基酸突变后表现为病态的样本归为正样本；

第二处理模块，用于确定预筛选的特征，并计算各样本的各特征值，以突变的氨基酸为中心确定滑动窗口的大小，以所确定的滑动窗口将同一样本的各个特征值整合到一条特征序列中组合构造成样本的初始特征集合，所述预筛选的特征包括根据欧式距离和沃罗诺伊图所确定的空间邻居的序列和结构特征；

第三处理模块，用于通过稳定性特征选择算法对所述初始特征集合进行第一次降维处理，筛选出比较重要特征组合构造成样本的第一次筛选特征集合；

第四处理模块，用于通过序列前向选择算法对所述第一次筛选特征集合进行第二次降维处理，筛选出重要特征组合构成样本的最终筛选特征集合；

第五处理模块，用于抽取正样本和负样本构建训练集和独立测试集，将所述训练集中各样本的最终筛选特征集合代入梯度提升树算法中进行训练，得出最终的分类模型，并结合所述独立测试集的最终筛选特征集合对所述分类模型的预测结果进行评估。

7.根据权利要求6所述的预测氨基酸突变的系统，其特征在于，所述负样本的数据从Ensemble human variation数据库中提取。

8.根据权利要求6所述的预测氨基酸突变的系统，其特征在于，所述正样本的数据从UniProt human sequence variations数据库中提取。

9.根据权利要求6至8任一所述的预测氨基酸突变的系统，其特征在于，所述第二处理模块所确定的预筛选的特征还包括：

物理化学特征，特定位置得分矩阵，溶剂可及性表面积，螺旋转角，替换矩阵，二级结构，保守性分数，残基结构熵值及残基相互联系的网络特征。

10.根据权利要求6至8任一所述的预测氨基酸突变的系统，其特征在于，所述第一处理模块还用于在构建蛋白质样本集的过程中，对蛋白质序列相似性大于0.4的重复性数据做剔除处理。