[发明专利]基于稀疏编码及链学习预测膜蛋白beta‑barrel跨膜区域的方法

摘要

一种基于稀疏编码及链学习预测膜蛋白beta‐barrel跨膜区域的方法。本发明涉及到稀疏编码技术、链学习算法、支持向量机，利用计算的方法对膜蛋白beta‑barrel跨膜区域进行结构预测，为研究蛋白质结构和功能提供重要信息。本发明创新性的引入数字图像处理的思想，对蛋白质特征矩阵进行稀疏编码，解决了特征降维和去除噪声的问题。从蛋白质数据库PDB中组织膜蛋白beta‑barrel数据集，分别提取代表氨基酸进化信息的位置特异性打分矩阵和代表氨基酸残基位置信息的Z score为特征，用滑动窗口提取特征向量，实现多特征融合，提出基于SVM分类器的链学习算法训练模型，显著提高了预测效果，经Jakenife交叉验证精度可以达到92.5％。

主权项

一种基于稀疏编码及链学习预测膜蛋白beta‑barrel跨膜区域的方法，其特征在于，从已知结构的膜蛋白beta‑barrel组织数据集中选择出包含进化信息的位置特异性打分矩阵以及代表氨基酸距离信息的Z坐标值作为特征，以归一化处理和滑动窗口的方式从中提取出特征向量并转换为数字图像，经特征空间维数降低和噪声干扰去除后用于机器学习方法训练模型，训练模型采用链学习的方式对目标蛋白质中的每个氨基酸进行预测，运用Jack‑kinfe交叉验证的方法验证模型性能，计算出氨基酸序列概率预测曲线，经阈值分割最终得到此序列中每个氨基酸相对与膜的位置；所述的链学习的方式是指：将蛋白质序列中的相邻氨基酸之间的相关性信息，作为邻域特征加入训练模型，按照氨基酸序列长度为N的顺序，将通过SVM训练好的预测模型对目标蛋白质中的第i个氨基酸位置进行预测，i<N，选择相邻氨基酸预测结果作为特征的个数为3个，也就是将每个氨基酸之前相邻三个氨基酸的预测结果作为特征加入训练模型，这样对于前面已被预测的第i‑1个氨基酸、第i‑2个氨基酸和第i‑3个氨基酸的结果作为第i个氨基酸的新特征进行提取，加入特征矩阵与PSSM和Z‑score特征进行融合，然后按照这种方式预测下一个氨基酸，如此往复从N端开始至C端最后一个氨基酸结束，以此方式动态训练模型计算出目标氨基酸序列的概率曲线。