[发明专利]一种基于支持向量机的跨膜蛋白残基作用关系预测方法有效
申请号: | 201310260822.9 | 申请日: | 2013-06-26 |
公开(公告)号: | CN104252581B | 公开(公告)日: | 2019-03-05 |
发明(设计)人: | 张慧玲;陈春;魏彦杰;彭丰斌;孟金涛;贝振东 | 申请(专利权)人: | 中国科学院深圳先进技术研究院 |
主分类号: | G16B5/20 | 分类号: | G16B5/20;G16B15/20 |
代理公司: | 深圳市科进知识产权代理事务所(普通合伙) 44316 | 代理人: | 宋鹰武 |
地址: | 518055 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于支持向量机的跨膜蛋白残基作用关系预测方法,所述方法包括以下步骤:步骤S100、提取用于训练的跨膜蛋白所包含的残基对特征作为训练集;步骤S200、基于SVM对所述训练集进行训练得到预测模型;步骤S300、提取待预测跨膜蛋白所包含的残基对特征作为测试集;步骤S400、将所述测试集输入所述预测模型,输出分数S;步骤S500、将S与预设阈值T进行比较,若S≥T,则判定所述待预测跨膜蛋白包含的残基对为作用对,否则判定为非作用对。本发明提出的预测跨膜蛋白残基对作用关系的方法在精确度与覆盖度上优于现有技术中的TMhit、MEMPACK以及SVMcon。 | ||
搜索关键词: | 一种 基于 支持 向量 膜蛋白 残基 作用 关系 预测 方法 | ||
【主权项】:
1.一种基于支持向量机的跨膜蛋白残基作用关系预测方法,所述跨膜蛋白包含N个α螺旋个数,其中N≥2,所述方法包括以下步骤:步骤S100、提取用于训练的跨膜蛋白所包含的残基对特征作为训练集;步骤S200、基于SVM对所述训练集进行训练得到预测模型;步骤S300、提取待预测跨膜蛋白所包含的残基对特征作为测试集;步骤S400、将所述测试集输入所述预测模型,输出分数S;步骤S500、将S与预设阈值T进行比较,若S≥T,则判定所述待预测跨膜蛋白包含的残基对为作用对,否则判定为非作用对,所述预设阈值T为1e‑20;在步骤S100中,从PDBTM中下载包括α螺旋的跨膜蛋白的非冗余数据集,共405个,利用PISCES实施去冗余,选取序列相关性小于35%的跨膜蛋白,经PSICES处理后的列表中的跨膜蛋白由原来的405个缩减为168个,从包含168个跨膜蛋白的列表中选出α螺旋个数在2及其以上的跨膜蛋白,最终得到116个符合标准的跨膜蛋白,以其中2012年及之前解析的95个结构作为训练集,之后解析得到的21个结构作为测试集;所述残基对特征包括PSSM特征,所述PSSM特征为位置特异性得分矩阵特征,代表20种氨基酸分别在残基对中两残基和其邻近残基中出现的概率,所述残基对特征包括亲脂性特征,对所述残基对中两残基的原始亲脂性特征值分别进行归一化求得所述亲脂性特征;获取所述原始亲脂性特征值,采用Z‑Score法进行归一化,公式为x’=(x‑μ)/σ,其中,x为残基原始亲脂性特征值,μ为残基原始亲脂性特征值的均值,σ为残基原始亲脂性特征值的标准差,对于每一残基对,可获取2个所述亲脂性特征数据;所述残基对特征包括相对距离特征,所述相对距离特征代表所述残基对中两残基在α螺旋上的位置;所述残基对特征包括序列间隔特征,所述序列间隔特征代表所述残基对中两残基在跨膜蛋白一级序列中的间隔距离,将序列间隔位于小于25、25‑50、50‑75、75‑100、100‑125、125‑150、150‑175、175‑200、大于200九类区间内的所述间隔特征分别记为000000001、000000010、000000100、000001000、000010000、000100000、001000000、010000000、100000000,因此,对于每一残基对共有9个所述相对距离特征数据;在步骤S200中,利用LIB‑SVM对所述残基对特征训练得到所述预测模型后,调用LIB‑SVM预测程序获得所述待预测的残基对所属类别的分数S;提取用于训练的95个跨膜蛋白所包含的残基作用对和非作用对的特征值,将Cα‑Cα原子距离小于的残基对定义为残基作用对,将用于训练的跨膜蛋白α螺旋上的所有残基对都标记为相互作用或非作用,从而产生一个相互作用与非作用数量比为1:62的数据集,保留所有的相互作用残基对,并随机选取非作用的残基对,得到一个作用与非作用残基对数量比为1:1的训练集;所述残基对特征包括α螺旋个数特征,所述α螺旋个数特征代表所述残基对所属的跨膜蛋白所包含的α螺旋个数;将α螺旋个数位于2‑4、5‑7、8‑10、大于10四类区间内的所述α螺旋个数特征分别记为0001、0010、0100、1000,对于每一残基对共有4个所述α螺旋个数特征数据;在步骤S300中,提取21个跨膜蛋白所包含的残基对特征作为测试集。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院深圳先进技术研究院,未经中国科学院深圳先进技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201310260822.9/,转载请声明来源钻瓜专利网。
- 上一篇:一种紫山药饮料及其制备方法
- 下一篇:一种缓解干眼症的杨梅饮料
- 同类专利
- 一种籽粒类基因工程农作物混入风险监测抽样制样方法-201710030670.1
- 徐海伟;许士明;姜永梅;张娟;杜伯会;刘丞;王茂森 - 徐海伟
- 2017-01-17 - 2019-09-03 - G16B5/20
- 籽粒类基因工程农作物混入风险监测抽样制样方法,包括下列步骤:①.利用标准正态分布构造一次取样;②.预留置信范围宽度并重新构造抽样单元;③.以取样器为单元再次计算所需抽样单元数;④.用步骤②的抽样单元数计算所需的取样器抽样次数;⑤.以t分布评价一次抽样的置信度和偏差;⑥.采用缩分方法进行二次抽样并以t分布进行评价;⑦.以检出限倒数构造抽样单元再次抽样,采用贝叶斯统计确定抽样误差。本发明适用于各籽粒类农作物基因工程抽样检测(尤其适用于食用籽粒和留种用籽粒)、或不同基因工程作物混入比例的风险控制、或不同置信度和偏差要求抽样场合、或基因工程作物籽粒混入风险控制的检测成本管理,尤其是快速检测。
- 一种基于支持向量机的跨膜蛋白残基作用关系预测方法-201310260822.9
- 张慧玲;陈春;魏彦杰;彭丰斌;孟金涛;贝振东 - 中国科学院深圳先进技术研究院
- 2013-06-26 - 2019-03-05 - G16B5/20
- 本发明涉及一种基于支持向量机的跨膜蛋白残基作用关系预测方法,所述方法包括以下步骤:步骤S100、提取用于训练的跨膜蛋白所包含的残基对特征作为训练集;步骤S200、基于SVM对所述训练集进行训练得到预测模型;步骤S300、提取待预测跨膜蛋白所包含的残基对特征作为测试集;步骤S400、将所述测试集输入所述预测模型,输出分数S;步骤S500、将S与预设阈值T进行比较,若S≥T,则判定所述待预测跨膜蛋白包含的残基对为作用对,否则判定为非作用对。本发明提出的预测跨膜蛋白残基对作用关系的方法在精确度与覆盖度上优于现有技术中的TMhit、MEMPACK以及SVMcon。
- 基于SNP分型的遗传定位方法-201811177705.5
- 李鹰翔;郑强;胡振飞;彭苑;罗大钧;陈钢 - 深圳韦格纳医学检验实验室
- 2018-10-10 - 2019-02-15 - G16B5/20
- 本发明实施例公开了一种基于SNP分型的遗传定位方法。所述遗传定位包括:获取待测样本的SNP分型结果;计算所述待测样本的SNP分型结果与若干个族群的参考SNP分型结果的相似性,所述若干个族群的参考SNP分型结果组成族群集合;根据所述相似性,确定所述待测样本的祖源成分;所述祖源成分包括所述族群集合中每一个族群的成分比例。上述遗传出生地的预测方法开创性的拓展了关于SNP分型结果的应用,是该领域的突破性进展,为各行业提供可靠并且准确的数据支持,具有良好的应用前景。
- 专利分类