[发明专利]一种基于多重进化矩阵的蛋白质二级结构预测方法

权利要求书

1.一种基于多重进化矩阵的蛋白质二级结构预测方法，其特征是，包括以下步骤：

下载蛋白质NR数据库及BLAST程序本地软件包，生成给定蛋白质序列的位置特异性打分矩阵PSSM矩阵，对PSI-BLAST程序进行参数调整得到蛋白质序列的不同趋异度的进化矩阵；

所述PSSM矩阵，其表达公式为：

上述矩阵表示蛋白质进化过程中蛋白质序列第i个位置的氨基酸突变为第j类氨基酸的可能性大小，其值越大表示转成的可能性越大，1≤i≤L，L是蛋白质序列的长度，j从1到20分别表示氨基酸A、R、N、D、C、Q、E、G、H、I、L、K、M、F、P、S、T、W、Y和V；

所述对PSI-BLAST程序进行参数调整得到蛋白质序列的不同趋异度的进化矩阵，在进行参数调整时，根据PAM矩阵和BLOSUM矩阵之间的关系，调整PSI-BLAST程序参数，得到不同趋异度的进化矩阵；

所述得到不同趋异度的进化矩阵具体过程为：借助NR数据库并且使用PSI-BLAST程序搜索和比对同源序列，PSI-BLAST程序将返回一个20维矢量的PSSM，其值是20个氨基酸保守的突变分数，得到的PSI-BLAST的profile是一个Lx20的矩阵，也称之为位置特异性得分矩阵，其中L是蛋白质序列的长度，在进行参数调整时，根据PAM矩阵和BLOSUM矩阵之间的关系，调整PSI-BLAST程序参数，得到不同趋异度的进化矩阵；

对不同趋异度的进化矩阵对齐特征维度并进行合并，得到多维的特征向量来表示原来的蛋白质序列；

针对得到多维的特征向量，考虑邻近残基的影响，采用滑动窗口方法进行处理得到更多维的特征向量，利用上述多维的特征向量来表示原来的蛋白质，构成多重进化矩阵特征并将多重进化矩阵的元素进行标准化；

将标准化后的多重进化矩阵的特征作为分类器的输入并对分类准确率进行评价，确定相关参数，获得优化模型；

蛋白质的二级结构进行预测对应的准确率包括整体预测准确率Q₃及三态预测准确率Q_i；

其中，整体预测准确率Q₃指的是被正确预测的3种二级结构的总百分比；

三态预测准确率Q_i来表示每种二级结构被正确预测为H，E或C构象的预测准确率；

所确定相关参数为网格搜索的变量(c，p)；

针对结构未知的蛋白质，首先获得该蛋白质的多重进化矩阵特征，进行标准化，将标准化后的多重进化矩阵特征输入优化模型，预测蛋白质的二级结构。

2.如权利要求1所述的一种基于多重进化矩阵的蛋白质二级结构预测方法，其特征是，所述将多重进化矩阵的元素进行标准化时，利用函数把多重进化矩阵的元素标准化到0-1之间。

3.如权利要求1所述的一种基于多重进化矩阵的蛋白质二级结构预测方法，其特征是，所述确定相关参数时，利用七折交叉验证和网格搜索法优选实验参数，获得优化模型。

4.如权利要求3所述的一种基于多重进化矩阵的蛋白质二级结构预测方法，其特征是，利用七折交叉验证和网格搜索法优选实验参数，具体步骤为：

(1)设定网格搜索的变量(c，p)的范围以及搜索步距，选择使分类准确率最高的一组c和p；

(2)在寻得了局部最优参数之后，再在这组参数附近选择一个小区间，采用小步距进行二次精搜，再次选择使分类准确率最高的一组c和p；

(3)涉及的所有参数对都用K折交叉验证进行实验，按数据集条数平均分成n份，n为正整数，每次选择其中n-1份做训练集，剩下的1份做测试集，重复n次；

(4)上述提到的分类准确率的参数对按照以下原则确定：若参数选择过程中有多组c和p对应于最高的验证分类准确率，则选取能够达到最高验证分类准确率中参数c最小的那组c和p作为最佳的参数；如果对应最小的c有多组p,就选取搜索到的第一组c和p作为最佳参数对。