[发明专利]一种III型分泌系统效应蛋白识别方法及装置

说明书

本发明提供一种III型分泌系统效应蛋白识别方法及装置，方法为导入III型分泌系统效应蛋白序列数据文件，获取原始III型分泌系统效应蛋白数据集；从原始III型分泌系统效应蛋白数据集中提取数据特征，根据数据特征构建特征矩阵；对特征矩阵进行标签设置，得到第一III型分泌系统效应蛋白基分类器；构建特征相似度评分矩阵；通过特征相似度评分矩阵构建第二III型分泌系统效应蛋白基分类器；根据集成策略将第一III型分泌系统效应蛋白基分类器和第二III型分泌系统效应蛋白基分类器集成III型分泌系统效应蛋白模型；本发明提出了一种全新的III型分泌系统效应蛋白识别方法，生成了综合性能更优，得到应用更加广泛的III型分泌系统效应蛋白模型。

技术领域

本发明主要涉及微生物数据处理技术领域，具体涉及一种III型分泌系统效应蛋白识别方法及装置。

背景技术

大量微生物利用T3SS将T3SEs注射到宿主细胞中，被认为是控制宿主细胞间信号传递的主要因素。通过干扰宿主细胞之间的通信信号，可以扰乱宿主细胞的正常工作，促进细菌感染和繁殖。一般来说，T3SEs强而特异的酶活性被认为是改变宿主细胞信号通路的主要因素。因此，对这些效应蛋白的深入分析对T3SS的研究以及宿主细胞之间信息的传递有着深远的影响。III型分泌系统(T3SS)可在许多致病菌中发现，如痢疾杆菌、鼠伤寒沙门氏菌、霍乱弧菌和致病性大肠杆菌。这些细菌的感染途径包括T3SS将大量III型分泌效应物(T3SE)转移到宿主细胞，从而阻断或调整宿主细胞的通信通道。因此，T3SEs的准确鉴定是进一步研究致病菌的前提。但目前对T3SEs鉴定的方法并不完善。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种一种III型分泌系统效应蛋白识别方法及装置。

本发明解决上述技术问题的技术方案如下：一种III型分泌系统效应蛋白识别方法，包括如下步骤：

S1、导入III型分泌系统效应蛋白序列数据文件，并从所述III型分泌效应蛋白序列数据文件中获取原始III型分泌系统效应蛋白数据集；

S2、根据特征提取方法从所述原始III型分泌系统效应蛋白数据集中提取数据特征，根据所述数据特征构建特征矩阵；

S3、根据标签传播算法对所述特征矩阵进行标签设置，得到第一III型分泌系统效应蛋白基分类器；

S4、基于改进史密斯-沃特曼算法构建特征相似度评分矩阵；

S5、通过所述特征相似度评分矩阵构建第二III型分泌系统效应蛋白基分类器；

S6、根据集成策略将所述第一III型分泌系统效应蛋白基分类器和所述第二III型分泌系统效应蛋白基分类器集成III型分泌系统效应蛋白模型。

本发明的有益效果是：提出了一种全新的III型分泌系统效应蛋白识别方法，导入III型分泌系统效应蛋白序列数据文件，并提取数据特征进行模型构建，通过标签传播算法有效提高了处理效率，通过对基分类器进行集成，生成了综合性能更优，得到应用更加广泛的III型分泌系统效应蛋白模型。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述S1中，所述原始III型分泌系统效应蛋白数据集包括正例数据集和反例数据集，其中，所述正例数据集为带分类的III型分泌系统效应蛋白序列，所述反例数据集为非III型分泌系统效应蛋白序列，所述非III型分泌系统效应蛋白序列为除III型分泌系统效应蛋白序列的其他类型分泌效应蛋白序列。

进一步，所述特征提取方法包括基于序列的蛋白质特征提取方法、基于物化性质的蛋白质特征提取方法和基于进化信息的蛋白质特征提取方法；

所述S2中，根据特征提取方法从所述原始III型分泌系统效应蛋白数据集中提取数据特征，根据所述数据特征构建特征矩阵的过程包括：