[发明专利]蛋白质局部结构特征的预测方法及系统

摘要

本发明涉及生物信息学领域，公开一种蛋白质局部结构特征的预测方法及系统，以利用深度学习技术来提高预测准确度，为蛋白质的三级结构预测提供关键的参考信息，解决由生物实验方法测定蛋白质三级结构带来的成本高昂和效率低下问题。本发明方法统一构造样本集中各蛋白质序列的特征序列以作为训练模型的输入，训练模型采用隐藏层数为3的基于栈式稀疏自编码的深度神经网络模型，并将dropout方法应用在整个网络的隐藏层中，随机的让隐藏层中的某些神经元不工作以降低模型的过拟合；并通过训练集优化训练模型的权重参数，使得所构造的损失函数的值达到最小，进而根据训练好的网络模型相应进行蛋白质序列中各残基的溶剂可及性或残基接触数预测。

主权项

一种蛋白质局部结构特征的预测方法，其特征在于，包括：从蛋白质数据库中提取序列，组成训练集和独立测试集；计算样本集中的每个蛋白质序列中各残基的溶剂可及性；统一构造样本集中各蛋白质序列的特征序列以作为训练模型的输入，所述训练模型采用隐藏层数为3的基于栈式稀疏自编码的深度神经网络模型，并将dropout方法应用在整个网络的隐藏层中，随机的让隐藏层中的某些神经元不工作以降低模型的过拟合；通过训练集优化所述训练模型的权重参数，使得下述的损失函数的值达到最小，所述损失函数为：其中，m为样本数，W是整个网络的连接权重矩阵，Wji(l)表示第l‑1层中第i个神经元与第l层中第j个神经元之间的连接权值；b是偏置项，是一个向量；s是某一隐藏层的神经元个数，sl是指第l层的神经元个数；x(i)和y(i)分别是训练集中对应的一组实测的输入和输出，hW,b(x(i))是神经网络的拟合函数；nl表示网络的层数；λ是权重衰减参数；β控制稀疏性惩罚因子的权重；ρ是稀疏性参数，为了能用最少的隐藏单元来表示输入层的特征，限制且是指第l层第j个神经元的输出值；根据训练好的网络模型进行蛋白质序列中各残基的溶剂可及性预测。