[发明专利]基于双向长短期记忆网络与特征融合的抗癌肽预测方法

权利要求书

1.基于双向长短期记忆网络与特征融合的抗癌肽预测方法，其特征在于，包括以下步骤：

步骤1、读取四个基准肽序列数据集，对数据集进行氨基酸组成分析；

步骤2、通过Bi-LSTM对数据集进行特征提取，生成Bi-LSTM特征向量；

步骤3、通过全连接神经网络对五个氨基酸特征向量进行特征提取；

步骤4、将步骤2与步骤3产生的特征向量通过Concatenate算法进行特征融合，特征向量输入一个具有512单元和relu激活函数的全连接层，通过一个具有1单元和Sigmoid激活函数的全连接层，得到概率分数，通过分数区分为抗癌肽和非抗癌肽。

2.根据权利要求1所述的基于双向长短期记忆网络与特征融合的抗癌肽预测方法，其特征在于，所述步骤2包括：

步骤2.1、按照氨基酸字母表对肽的初级字母序列进行数字编码；

步骤2.2、通过Bi-LSTM的嵌入层将输入的数字编码转化为64维向量；

步骤2.3、Bi-LSTM对输入64维向量进行特征提取，Bi-LSTM包括：t时刻的输入x_t，细胞状态C_t，临时细胞状态隐层状态h_t，遗忘门f_t，记忆门i_t，输出门O_t；Bi-LSTM由前向和后向长短期记忆网络层组成，每层由一个记忆单元和64维隐藏单元组成。

3.根据权利要求1所述的基于双向长短期记忆网络与特征融合的抗癌肽预测方法，其特征在于，所述步骤3包括：根据五个氨基酸特征对肽的初级字母序列进行特征编码，特征编码将肽序列转换成770维的特征向量，五个氨基酸特征包括BPF、DPC、CKSAAGP、AAC和SOCNumber。

4.根据权利要求3所述的基于双向长短期记忆网络与特征融合的抗癌肽预测方法，其特征在于，五个氨基酸特征对肽的初级字母序列进行特征编码包括：

BPF特征编码表示为：

B(P)＝[f(p₁),f(p₂),...,f(p_n)] (7)

其中，P为肽序列、f(p_n)表示某个氨基酸字母；

DPC特征编码表示为：

其中，N_ab是由氨基酸类型a和b表示的二肽的数量；

CKSAAGP特征编码表示为：

其中，N_g1g1-N_g5g5为25个零间隔的组对；

AAC特征编码表示为：

其中，N(a)表示氨基酸出现在肽序列的次数，N表示肽序列的长度；

SOCNumber特征编码表示为：

其中，d_i,i+d描述了两个氨基酸在位置i和i+d之间的距离，nlag表示滞后的最大值,N是肽序列的长度。