欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022102741258
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法,其特征在于,包括以下步骤:S1、参数初始化,包括设置网络输入维度dim,网络序列长度l,卷积神经网络第一个卷积层的过滤器数量和大小设置为n1和size1,第二个卷积层的过滤器数量和大小设置为n2和size2,最大池化层的池化核大小为size3,设置双向长短时记忆网络的神经元数量为n3,设置全连接层的节点数量设置为n4,设置最终的DNA结合蛋白的预测评分为scoreDBP,神经网络预测结果为score1,随机森林预测结果为score2,神经网络预测结果所占的权重为w1,随机森林预测结果所占权重为w2;

S2、构建DNA结合蛋白序列信息;

S3、对于给定的蛋白质序列S,采用位置特异性得分矩阵表示蛋白质序列为S1S2...SL,其中,Si(1≤i≤L)表示出现在S中第i位的氨基酸,L为S的长度;

S4、对位置特异性得分矩阵进行归一化,并将归一化后的矩阵分解为n个子矩阵,计算所有子矩阵的局部位置特异性得分矩阵特征,将蛋白质序列表示为特定维数的特征载体,得到改进后的位置特异性得分矩阵;

S5、将改进后的位置特异性得分矩阵输入卷积神经网络,并顺序堆叠两个卷积层,上一层的输出作为下一层的输入,卷积层采用ReLU作为激活函数;

S6、将所述卷积神经网络的输出结果输入至所述双向长短时记忆网络,并采用ReLU作为激活函数;

S7、采用时间分布稠密层对不同存储单元生成的隐藏特征进行加权;

S8、将稠密层的输出输入到Flatten层,并将结果变成一维数据,再输入到全连接层,得到输出,该输出的节点采用sigmoid作为激活函数;

S9、将步骤S4得到的改进后的位置特异性得分矩阵输入随机森林模型,通过随机森林决策树得到对特定蛋白质序列的决策结果;

S10、将步骤S8的输出和步骤S9的决策结果输入评分层,按照设定的权重进行最终的预测评分。

2.根据权利要求1所述的基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法,其特征在于,所述步骤S2具体包括:S20、从经过注释的蛋白质序列数据库Swiss‑Prot中获得基因分类术语DNA‑binding注+释的蛋白质作为阳性样本S;

S21、从经过注释的蛋白质序列数据库Swiss‑Prot中收集与基因分类术语DNA‑binding—注释无关的蛋白质作为阴性样本S ;

+ —

S22、在所述阳性样本S和阴性样本S 中去除长度小于设定值的蛋白质;

+ —

S23、去除所述阳性样本S 和阴性样本S 中截断阈值为第一设定值、覆盖率为第二设定值序列长度的同源蛋白。

3.根据权利要求2所述的基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方—法,其特征在于,所述步骤S21中的阴性样本S 选择结构已知的蛋白质。

4.根据权利要求2所述的基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方+法,其特征在于,所述步骤S23具体采用CD‑HIT和BLASTClust去除所述阳性样本S和阴性样—本S 中截断阈值为0.35、覆盖率为90%序列长度的同源蛋白。

5.根据权利要求1所述的基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法,所述步骤S3中设定e‑value阈值为0.001和迭代次数10,通过PSI‑BLAST生成相应的位置特异性得分矩阵。

6.根据权利要求1所述的基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法,其特征在于,所述步骤S4具体包括:S40、将位置特异性得分矩阵分割为n个子矩阵,前n‑1个子矩阵有L/n行和20列,最后一个子矩阵有L‑(n‑1)*L/n行和20列,每个子矩阵保留了位置特异性得分矩阵中包含的进化信息,其中n≥1;

S41、计算每个子矩阵的局部位置特异性得分矩阵特征,前n‑1个子矩阵通过合并进化信息计算出20个局部特征,最后一个子矩阵由前n‑1个子矩阵的值计算得到。

7.根据权利要求1所述的基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法,其特征在于,所述步骤S9具体包括:S90、对步骤S4得到改进后的位置特异性得分矩阵进行有放回的抽样,得到多个样本集;

S91、从候选的特征中随机抽取m个特征作为当前节点下决策的备选特征,并在所述备选特征中选择划分训练样本特征,用每个样本集作为训练样本构造决策树,单个决策树在产生样本集和确定特征后,使用CART算法计算,不剪枝;

S92、在得到设定数目的决策树后,采用随机森林方法对所述决策树的输出进行投票,以得票最多的类作为随机森林的决策。

8.根据权利要求7所述的基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法,其特征在于,所述步骤S90具体为每次从原来的n1个训练样本中有放回的随机抽取n2个样本。

9.根据权利要求1所述的基于改进蛋白质序列位置特异性矩阵的DNA结合蛋白识别方法,其特征在于,所述步骤S10具体包括:S100、分别获取步骤S8的输出DNA结合蛋白的预测评分score1和步骤S9的决策结果DNA结合蛋白的预测评分score2;

S110、按照不同的权重w1和w2计算最终的预测评分,计算公式如下:scoreDBP=score1*w1+score2*w2。