1.一种基于深度神经网络框架的蛋白质残基接触图预测方法,其特征在于,所述预测方法包括以下步骤:(1)、搭建集成深度神经网络框架:由1DResNet、2DDilatedSe‑ResNet和2DDenseNet三种网络集成得到集成深度神经网络框架;该框架首先使用1DResNet处理由多序列比对生成的序列特征;再使用外连接函数处理序列特征,再与成对特征相结合;将合并的特征通过
2DDilated SE‑ResNet网络;最后通过2DDenseNet的稠密连接特性充分处理数据特征,从而提高蛋白质接触图的预测精度;
(2)、数据集的选取:将PDB25的子集作为训练集,将CASP12、CASP13、CAMEO和mems400作为测试集;
所述训练集是PDB25的子集,其中任何两种蛋白质的序列同一性都小于25%;满足以下条件之一的蛋白质从序列排除:(Ⅰ)序列长度小于26或大于700;(Ⅱ)分辨率低于 (Ⅲ)具有多个蛋白质链组成的结构域;
(3)、使用一维特征序列特征和二维特征成对特征作为网络的输入特征;其中一维特征由L×54的二维矩阵表示,L是蛋白质序列的长度,54表示特征的维度,二维特征由L×L×5的三维矩阵表示;
一维特征包括位置特异性计分矩阵(PSSM)、位置特异性频率矩阵(PSFM)、3态的蛋白质二级结构(SS3)、3态的溶剂可及性(ACC)和氨基酸理化性质(CP);
二维特征包括直接协同进化信息,MSA矩阵以及成对电势;
位置特异性计分矩阵(PSSM)和位置特异性频率矩阵(PSFM)是通过HHblits程序在uniprot_sprot database搜索同源序列,然后构建出多序列比对(MSA),最后计算得出;
3态的蛋白质二级结构(SS3)和3态的溶剂可及性(ACC)分别来自于Bi‑LSTM和DSPRED;
直接协同进化信息来自于CCMPred、MSA信息矩阵和成对电势;
氨基酸理化性质(CP)由L×8的二维矩阵表示,其中L为蛋白质序列长度;
氨基酸理化性质(CP)包括疏水性,Grapn形状指数,极化率,范德华规范化体积,无规卷曲Ca化学位移,局部电效应,pK‑a(RCOOH)和Information measure for loop;
(4)、使用步骤(1)搭建的集成深度神经网络框架在数据集上学习预测模型;
1D残差网络是由一系列残差块组成;
1D残差块由两层卷积构成,对于两层的残差块表示为:
y=w2f(w1x+b1)+b2 ①
f(x)=max(0,x) ②
其中f表示线性单位激活函数,w1,w2,b1和b2分别是第一层和第二层的权重和偏差;
1DResNet的输出为L×n的矩阵,其中n为网络最后一个卷积层生成的新特征数量;
2D残差网络是由一系列dilatedse‑residualblock组成;
设计残差模块:所述残差模块由两层卷积层构成,卷积层之间为批处理归一化层和ReLU激活,所述残差模块添加了SE模块,并且在第二次卷积采用了空洞率为2的膨胀卷积;
所述SE模块首先对卷积得到的特征图进行Squeeze操作,得到channel级的全局特征,然后对全局特征进行Excitation操作,学习各个channel间的关系,得到不同channel的权重,最后乘以原来的特征图得到最终特征;
DenseNet网络结构主要由DenseBlock和Transition组成;
(5)、模型参数设置:将SEmodule的ratio设定为0.2,空洞卷积的空洞率设定为2;
使用最大似然函数来训练模型参数,将最大化训练蛋白质的天然接触发生概率;因此,将损失函数定义为在训练蛋白质的所有残基对上的平均负对数似然函数,即交叉熵函数;
具体如下:
E(t,y)=‑∑itilogyi ③
其中,ti是标签,yi是预测的结果;由于所有残基对之间的接触比例很小,为使训练算法快速收敛,将较大的权重分配给了形成接触的残基对;为了防止网络过拟合,采用L2正则化来减少参数空间;找到一组具有较小L2正则化参数以最小化损失函数;使用随机梯度下降算法来最小化目标函数,设置学习率为0.01;每次迭代20‑30个周期以获得较好的结果;使用dropout函数来随机丢弃神经元,初始值设为0.4;
(6)、将待测蛋白质序列输入模型,得到该蛋白质序列的残基接触图。