[发明专利]直接利用蛋白质多序列联配信息构建蛋白质结构的方法

权利要求书

1.一种直接利用蛋白质多序列联配信息构建蛋白质结构的方法，其特征在于，包括：

步骤1、使用第一编码器为蛋白质多序列联配信息中每个残基位置提取上下文表示作为该残基位置所处的结构环境；

步骤2、使用聚合器根据该结构环境聚合每个残基对编码特征向量，将得到该蛋白质多序列联配信息中残基对的聚合特征作为初始关联性；根据所有残基对的全局上下文，使用第二编码器细化该初始关联性，得到该蛋白质多序列联配信息中每一个残基对的最终关联性，根据该最终关联性生成该蛋白质多序列联配信息中残基间距离，基于该残基间距离构建蛋白质的三级结构；

其中该第一编码器包括：使用多序列联配工具寻找蛋白质的同源序列，以建立该蛋白质的蛋白质多序列联配信息；

该步骤2包括：

对于由两个残基位置i和j构成的残基对，将其聚合特征表示为h∈R^D×L×L，其中D是聚合器的输出通道数目，L为该蛋白质序列的残基总数，残基对的聚合特征为：

h(i,j)＝CONCAT{f(i),f(j),g(i,j)}

其中f(i)表示位置i的一维特征，f(j)表示位置j的一维特征，g(i,j)表示位置i和j的二维特征；

一维特征f∈R^C×L计算公式为：

其中X_k代表第k条同源序列在位置i处的编码特征，w_k表示与第k条序列等同度大于80％的序列数的倒数；代表所有序列权重之和；

二维特征g∈R^C×C×L×L的计算公式为：

其中g(i，j)表示位置i和j之间的聚合二维特征，表示外积运算。

2.如权利要求1所述的直接利用蛋白质多序列联配信息构建蛋白质结构的方法，其特征在于，该第一编码器为一维残差网络，该第二编码器为二维残差网络。

3.如权利要求1所述的直接利用蛋白质多序列联配信息构建蛋白质结构的方法，其特征在于，训练该第一编码器、该第二编码器和该聚合器的过程为从蛋白质结构数据库抽取出的蛋白质结构组成训练集，并在此训练集上训练包含该第一编码器、该第二编码器和该聚合器的神经网络，该神经网络的输入为蛋白质的多序列联配，输出是残基间距离；损失函数是交叉熵；优化器是Adam。

4.一种直接利用蛋白质多序列联配信息构建蛋白质结构的系统，其特征在于，包括：

第一编码器，用于为蛋白质多序列联配信息中每个残基位置提取上下文表示作为该残基位置所处的结构环境；

聚合器，用于根据该结构环境聚合每个残基对编码特征向量，将得到该蛋白质多序列联配信息中残基对的聚合特征作为初始关联性；

第二编码器，用于根据所有残基对的全局上下文，细化该初始关联性，得到该蛋白质多序列联配信息中每一个残基对的最终关联性，根据该最终关联性生成该蛋白质多序列联配信息中残基间距离，基于该残基间距离构建蛋白质的三级结构；

其中该第一编码器包括：使用多序列联配工具寻找蛋白质的同源序列，以建立该蛋白质的蛋白质多序列联配信息；

该步骤2包括：

对于由两个残基位置i和j构成的残基对，将其聚合特征表示为h∈R^D×L×L，其中D是聚合器的输出通道数目，L为该蛋白质序列的残基总数，残基对的聚合特征为：

h(i,j)＝CONCAT{f(i),f(j),g(i,j)}

其中f(i)表示位置i的一维特征，f(j)表示位置j的一维特征，g(i,j)表示位置i和j的二维特征；

一维特征f∈R^C×L计算公式为：

其中X_k代表第k条同源序列在位置i处的编码特征，w_k表示与第k条序列等同度大于80％的序列数的倒数；代表所有序列权重之和；

二维特征g∈R^C×C×L×L的计算公式为：

其中g(i，j)表示位置i和j之间的聚合二维特征，表示外积运算。

5.如权利要求4所述的直接利用蛋白质多序列联配信息构建蛋白质结构的系统，其特征在于，该第一编码器为一维残差网络，该第二编码器为二维残差网络。

6.如权利要求4所述的直接利用蛋白质多序列联配信息构建蛋白质结构的系统，其特征在于，训练该第一编码器、该第二编码器和该聚合器的过程为从蛋白质结构数据库抽取出的蛋白质结构组成训练集，并在此训练集上训练包含该第一编码器、该第二编码器和该聚合器的神经网络，该神经网络的输入为蛋白质的多序列联配，输出是残基间距离；损失函数是交叉熵；优化器是Adam。