[发明专利]一种基于多损失训练的蛋白质残基接触预测方法

说明书

一种基于多损失训练的蛋白质残基接触预测方法，首先，输入待进行蛋白质残基接触预测的蛋白质序列；然后，从PDB库中收集已知蛋白质结构的蛋白质，并搜索序列库，得到MSA；再利用协方差矩阵表示蛋白质序列残基的进化信息，并在处理协方差矩阵奇异性时，利用矫正矩阵改变原有矩阵的不可逆，将协方差矩阵的逆矩阵作为神经网络的特征输入；其次，搭建深度神经网络框架，由于蛋白质接触图具有的对称性，采用多输出形式的预测接触图计算不同的Loss，共同作用于训练模型但不参与测试，在数据集上学习预测模型；最后，将待进行蛋白质残基接触预测的蛋白质特征输入模型中，将得到该蛋白质残基接触。本发明计算代价小、预测精度高。

技术领域

本发明属于生物信息学与计算机应用领域，具体而言涉及一种基于多损失训练的蛋白质残基接触预测方法。

背景技术

蛋白质是生物学上最重要的大分子之一，具有广泛的功能，蛋白质分子之间相互作用是通过部分残基之间的相互作用实现，而这种相互作用在生命活动中普遍存在，且不可或缺。因此，精确识别蛋白质残基之间的接触，对于理解蛋白质功能、分析生物分子之间的相互关系和设计新药物等方面具有重要的指导意义。

调研文献发现，已有很多蛋白质残基接触预测的方法被提出，如:PSICOV(Jones DT,Buchan D W A,Cozzetto D,et al.PSICOV:precise structural contact predictionusing sparse inverse covariance estimation on large multiple sequencealignments[J].Bioinformatics,2012,28(2):184-190.即：Jones D T,Buchan D W A,Cozzetto D,et al.利用稀疏逆协方差估计在大的多序列比对中进行接触预测)、mfDCA(Morcos F,Pagnani A,Lunt B,et al.Direct-coupling analysis of residuecoevolution captures native contacts across many protein families[J].ProcNatl Acad Sci USA.2011,108(49):E1293-E1301.即：Morcos F,Pagnani A,Lunt B,etal.通过残基的协同进化用直接耦合分析预测蛋白质残基之间的接触)、DeepCov(Jones DT,Kandathil S M.High precision in protein contact prediction using fullyconvolutional neural networks and minimal sequence features[J].Bioinformatics.2018,34(19):3308-3315.即：Jones D T,Kandathil S M.利用卷积神经网络和序列特征可以提高残基接触预测的精度)。虽然现有很多的方法可用于预测蛋白质残基是否接触，但普遍使用大量训练数据和机器学习算法，其计算代价较大，并且训练集中的噪音信息没有得到更好的处理，导致预测的精度并不能达到较好的效果。

综上所述，已有的蛋白质残基接触预测方法在计算代价、预测精度两个方面距离实际应用的要求还有很大差距，迫切地需要改进。

发明内容

为了克服已有的蛋白质残基接触预测方法在计算代价、预测精度两个方面的不足，本发明提出一种计算代价小、预测精度高的基于多损失训练的蛋白质残基接触预测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于多损失训练的蛋白质残基接触预测方法，所述方法包括以下步骤：