[发明专利]一类蛋白质二级结构智能预测模型构造技术

权利要求书

1.一类蛋白质二级结构智能预测模型构造方法，其特征在于：包括综合分析层、辅助判定层、核心判定层、结果优化层；

1)综合分析层：本层综合了新型同源性分析与优化的SVM类化分析；

新型同源性分析：在多序列匹配阶段，采取基于退火进化的多序列匹配算法，使得比对的结果具有更强的生物敏感性；在模型构建阶段，利用持续的双向隐马尔可夫模型和神经网络的混合建模方法；

优化的SVM类化分析：在SVM方法的改进中，采取轮转策略，即构造H/～H、E/～E、C/～C、H/E、H/C、E/C六个二分类器，根据样本与超平面的距离对目标样本判定；同时使用采样集建立模型，进而修正的策略；

新型同源性分析方法基于序列结构，优化的SVM类化分析方法针对氨基酸物化属性，因此本层同时综合了结构序列分析与物化属性分析结果，打破了传统的单一性分析的研究线路；

2)辅助判定层：本层采用优化的SVM二分类方法，以及对C库挖掘所得的关联规则集为基础的关联分类算法；模型以人工选取的方式对C数据库进行构造，具体方式为对RS126数据集分割窗口化，收集中间残基结构为C的记录组合而成；在此基础上，在KDD*过程模型的作用下，获得分类效果较好的规则集，该集合可有效分离数据中的C结构，以最大程度避免向核心判定层引入该结构，避免精度衰退；

3)核心判定层：本层的核心方式是原创性的基于KDTICM理论的KDD*模型与Maradbcm算法，以及改进的关联规则分类CBA方法；该层的主要特征包括两方面：其一使用可信度与支持度的测度来作为一个复合型度量；其二根据蛋白质生物数据的特性，使用内容分别相对偏向alpha、beta的蛋白质库；此两个数据库是以CATH分类为基础，以同源性小于30％为条件，选择α型、β型的蛋白质而构成；利用基于KDD*模型的Maradbcm算法对纯度较高的α蛋白质库与β蛋白质库进行关联规则的挖掘，由此获得的挖掘结果是精化的规则；其在保证本层预测精度的同时，为生物学家对二级结构折叠的进一步分析提供了依据；

4)结果优化层：本层主要设计倾向性因子、位能函数及合情推理三类方法，前两类方法属于生物信息学固有方法，其主要利用生物信息背景知识进行结构预测；合情推理方法是建立在二级结构具备的不同物化属性规律的基础上的；三种方法从不同角度对其下三层的结果加以优化，以最大程度地提高整体预测精度。

2.如权利要求1所述的一类蛋白质二级结构智能预测模型构造方法，其特征在于：

新型同源性分析由两个步骤组成：第一步，多序列匹配过程，根据遗传算法容易导致早熟收敛问题，使得进化无法收敛到最优解的缺陷，而模拟退火具有概率突跳的双向搜索能力，既容易跳出局部极值的陷阱，又能确保搜索的全局优化性的优势，将模拟退火和遗传算法结合，提出了基于退火进化的多序列比对算法，提高了全局和局部意义上的搜索能力和效率，使二者在性能上互补长短；

第二步：模型建构过程，持续双向隐马尔可夫模型与神经网络的混合建模，在常规方法中利用标准双向隐马尔可夫模型与神经网络的混合建模方法有其自身的弊端，即模型中参数快速增长；采用持续的隐马尔可夫模型与神经网络的混合建模方法；

优化的SVM类化分析技术：

在SVM方法的改进中，采取轮转策略，即构造H/～H，E/～E，C/～C，H/E，H/C，E/C这六个二分类器，根据样本与这些超平面的距离对目标样本判定；同时使用采样集建立模型，进而修正的策略；在合成金子塔模型中，SVM在综合分析层需要进行三分类，再辅助判定层需要进行二分类；SVM在进行多分类时，方法是构造一系列的二分类器，再将这一系列的二分类器以某种方式组合起来，以达到多分类的目的。