1.一种基于深度残差神经网络的蛋白质残基接触预测方法,其特征在于:所述残基接触预测方法包括以下步骤:
1)构建数据集:从蛋白质数据库PDB中选择序列相似度低于20%、序列长度在40-500之间的4000个氨基酸序列,从中随机选择300个序列作为测试集,剩余的序列作为训练集;
2)氨基酸序列进化信息分析,操作如下:
2.1)利用HHsuite软件包中的HHblits在UniRef30序列数据库中搜索数据集中每条序列的多序列比对文件;
2.2)基于生成的多序列比对文件,计算多序列比对文件中第i号残基为A类型氨基酸的概率f其中M表示多序列比对文件中序列的条数,m表示当前序列是多序列比对文件中的第几条,m∈{1,2,...,M},
2.3)计算多序列比对文件中第i号残基为A,且第j号残基为B的概率f其中M表示多序列比对文件中序列的条数,m表示当前序列是多序列比对文件中的第几条,m∈{1,2,...,M},
2.4)根据步骤2.2)和2.3)中得到的f
其中A∈{A,C,D,E,F,G,H,I,K,L,M,N,Q,R,S,T,V,W,Y,-};
3)构建神经网络输入特征及标签文件,过程如下:
3.1)计算协方差矩阵Q,协方差矩阵的每个特征计算公式如下:其中
3.2)构建输入特征集:由f
3.3)建立数据集样本标签:在PDB数据库中搜索每一个训练蛋白的结构文件,并计算每个结构内部两两残基间的欧式距离,以
4)神经网络训练:本发明采用的是残差网络,采用二进制交叉熵函数作为损失函数;采用He initialization初始化网络权重,He initialization是网络权重初始化方法;开发平台采用Pytorch,学习率设置为0.001,批处理大小为7个训练样本为一个批次;训练过程使用马修斯相关系数作为评价指标,记录马修斯相关系数的最大值,如果记录了最大值之后,连续10代的最大值都保持不变,则停止训练;
5)预测测试集序列接触图,利用HHsuite软件包中的HHblits在UniRef30序列数据库中搜索测试序列的多序列比对文件,然后根据3.1)中序列特征生成步骤生成测试序列的序列特征,输入到神经网络中进行预测,最终生成一个contact文件,contact文件中包含神经网络生成的接触信息,然后根据contact文件中的置信度进行排序,用于辅助蛋白质结构预测。