[发明专利]蛋白质分类模型构建方法和装置

说明书

本发明提供了一种蛋白质分类模型构建方法和装置，蛋白质分类模型构建方法，包括：获取组织表达蛋白质分类特征；根据分类特征得到组织特异表达蛋白质的预测模型；以及根据预测模型对蛋白质进行分类。本发明提供的方法在采集基因表达数据的情况下，还采集了基因表达蛋白的其他特征，通过构建阴性集和阳性集后对其进行显著性分类，通过贝叶斯分类器可以获取预测结果的可靠性打分，以及综合的注释信息。

技术领域

本发明涉及生物学领域，特别地，涉及一种蛋白质分类模型构建方法和装置。

背景技术

尽管细胞中包含的所有基因是一样的，但在不同组织中，细胞仅表达一部分基因。研究各组织中特异表达的蛋白质对于了解蛋白质的功能和作用机制具有重要作用。现有研究方法主要根据基因在各细胞或组织中的表达数据来考察各基因在某组织中是否表达，如基因芯片。如果某一基因仅在一个组织或一个细胞类型中表达，则将该基因定义为组织特异基因，其对应的蛋白质为组织特异表达蛋白质。在大部分组织中都有表达的基因则定义为广泛表达基因，与该基因对应的蛋白质为广泛表达蛋白质。同时，研究人员发现组织特异表达蛋白质相比于广泛表达蛋白质具有一些特殊的属性，如组织特异表达蛋白质与组织特异基因存在的组织功能密切相关，通常对应最新进化的基因，在相互作用网络中具有更小的连接度。这些属性对于预测未知的蛋白质是否为组织特异蛋白质具有一定的提示作用。

如文章Chang C W,Cheng W C,Chen C R,et al.Identification of HumanHousekeeping Genes and Tissue-Selective Genes by Microarray Meta-Analysis.PLOS One,2011,6(79)：e22859提出了一种基于基因表达数据发现组织表达特异蛋白质的方法，包括以下步骤：

1)从基因表达数据库M2DB中下载人的多种组织表达数据集，获得了43个正常组织中的104个数据集；

2)对多个基因表达数据集进行标号对应和数据标准化处理，使其具有可比性；

3)提取仅在1个组织中表达的基因作为组织特异基因，在43个组织中均有表达的基因作为广泛表达基因；

4)对由该方法获得的组织特异表达蛋白质和广泛表达蛋白质进行功能分析。

该方法主要基于基因表达信息来预测组织特异表达的蛋白质，由于基因表达数据存在一定噪声，噪音的产生与实验条件密切相关。该预测方法受噪音干扰严重，预测精度低。该方法构建的预测模型没有考虑蛋白质本身的特性，仅从现有实验数据出发进行预测，不利于发现仅表达了组织特异蛋白质的组织特异基因。

发明内容

本发明提供一种蛋白质分类模型构建方法和装置，以解决现有技术中预测方法精度低，方法受噪音干扰大的技术问题。

根据本发明的一个方面，提供了一种蛋白质分类模型构建方法，包括：获取组织表达蛋白质分类特征；根据分类特征得到组织特异表达蛋白质的预测模型；以及根据预测模型对蛋白质进行分类。

进一步地，获取组织表达蛋白质的分类特征包括：查询组织特异表达的蛋白质，得到标准阳性数据集；查询组织广泛表达的蛋白质，得到标准阴性数据集；计算标准阳性数据集和标准阴性数据集中蛋白质间差异显著性；提取在标准阳性数据集和标准阴性数据集中具有蛋白质间差异显著性的特征作为分类特征。

进一步地，获取蛋白质和基因组织特异表达的分类特征包括：获取基因芯片数据；以及从基因芯片数据中提取分类特征。

进一步地，根据分类特征得到组织特异表达蛋白质的预测模型包括：计算分类特征的似然比；以及由似然比得到预测模型。

进一步地，预测模型对蛋白质进行分类包括：获取样品集中的待分类蛋白质；通过预测模型对待分类蛋白质进行分类，并获取预测模型的分类结果；以及利用待检测蛋白质验证分类结果的准确性。