[发明专利]基于多标记学习的抗菌肽活性预测方法

说明书

技术领域

本发明涉及生物医学工程，特别是涉及一种能够快速、准确、自动标注抗菌肽活性的基于多标记学习的抗菌肽活性预测方法。

背景技术

抗菌肽是一种参与固有免疫的小分子多肽，一般由20～60个氨基酸残基组成，这类活性多肽对细菌具有广谱高效杀菌活性。随着人们研究的深入，发现这些抗细菌肽对部分真菌、原虫、病毒及癌细胞等均具有强有力的杀伤作用。抗菌肽的广泛的生物学活性显示了其在医学上良好的应用前景。

通过实验手段测定抗菌肽的活性，无论是基于体内或体外的技术，不仅非常费时，费用也较昂贵。目前，研究者们已经提出了十多种抗菌肽预测器，然而这些工具基本都是用于判断肽分子是否具有抗菌性，或者说是否属于抗菌肽家族，没有进一步对抗菌肽的具体活性做出预测。大多数都是设计二分类模型用来判断肽分子是否属于抗菌肽；或提出的方法能够实现对抗菌肽的活性预测，但是只限于5种活性，预测精度也有待进一步提高。现有的方法大多数都是二分类模型，只能用于抗菌肽识别。

发明内容

基于此，有必要针对提供一种能够快速、准确、自动标注抗菌肽活性的基于多标记学习的抗菌肽活性预测方法。

一种基于多标记学习的抗菌肽活性预测方法，包括以下步骤：

提取肽序列对应的氨基酸成分，并根据所述氨基酸成分获取对应的矩特征向量x，其中，所述矩特征向量x用于描述肽序列各个角度的形状特点；

采用多标记学习算法并根据公式W＝(X^TX)^-1X^TY计算最小化变换矩阵W，其中，设x的类标签向量为y＝[y₁,y₂,…,y_c]^T；最小化变换矩阵W的公式为min||XW-Y||；c为种类标签数，X表示训练样本矩阵，Y表示训练样本对应的类标记矩阵，每个行向量对应一个样本；则对于待测样本x’，其对各标记的输出为f(x,y)＝xW；

根据各标记输出f(x,y)＝xW获取预测类标签向量集合h(x)＝{y|f(x,y)≥0,y∈{1,2,…,c}}。

在其中一个实施例中，所述提取肽序列对应的氨基酸成分和矩特征向量x的步骤包括：

根据氨基酸的物理化学属性指标对氨基酸序列作数字编码；

将氨基酸序列的每个氨基酸残基意义对应转换成数值序列；

根据所述数值序列对肽序列的整体、N端和C端计算矩特征向量x，其中，N端指肽序列的钱5个氨基酸，C端指肽序列的后5个氨基酸。

在其中一个实施例中，所述矩特征向量x包括1阶原点矩、2阶中心矩、3阶中心矩和4阶中心矩。

在其中一个实施例中，所述类标签向量为y＝[y₁,y₂,…,y_c]^T中y_i＝1表示样本x具有类标签i；y_i＝-1表示样本x不具有类标签i。

在其中一个实施例中，判断X^TX是否可逆，若否，则用X^TX的广义逆替代。

在其中一个实施例中，还包括采用遗传算法对所述矩特征向量x进行优化。

在其中一个实施例中，所述采用遗传算法对所述矩特征向量x进行优化的步骤包括：

选取种群规模；

对染色体编码；

选取适应度函数fitness＝海明损失+排序损失+1/10000*特征数目；

采用精英选择，其中，所述精英选择为上一代种群中最好的2个个体直接带入下一代；

选取杂交比例0.8；

当适应度函数值基本不变时，终止进化，选取此时对应的矩特征向量集合。

在其中一个实施例中，所述种群进化到150代数，所述适应度函数数值基本不变。

在其中一个实施例中，，采用海明损失、子集准确率、排序损失、覆盖范围、一位错误及平均查准率对所述基于多标记学习的抗菌肽活性预测方法进行评测。

在其中一个实施例中，采用十折交叉验证评测所述基于多标记学习的抗菌肽活性预测方法，并将计算结果取20次交叉验证的均值。