[发明专利]一种基于BP神经网络的蛋白质二级结构预测方法

权利要求书

1.一种基于BP神经网络蛋白质二级结构预测方法，其特征在于：

采用下述步骤：

步骤一、从PDB中选取一组α螺旋、β折叠和卷曲三类结构占正常比例的蛋白质结构数据组成训练样本集，比例在20％～40％间，卷曲结构稍多；

步骤二、采用六位编码蛋白质的氨基酸序列信息，作为BP神经网络的输入，采用滑动窗口选定输入范围；

步骤三、BP神经网络训练参数初始化，滑动窗口位置初始化；

步骤四、设定最多迭代次数和最小期望误差，逐一输入样本集中的样本，训练产生用于预测的BP神经网络；

在步骤四中，训练产生BP神经网络的以下步骤实现：

步骤四·一、从训练样板集中选取训练样本，转化为网络输入，计算隐藏层输出；

步骤四·二、利用隐藏层计算获得的输出，计算输出层输出；

步骤四·三、比较网络实际输出与期望输出，计算输出层权值误差；

步骤四·四、利用输出层校正误差和隐藏层输出，计算隐藏层权值误差；

步骤四·五、根据误差计算权值调整量，反向调整网络中隐藏层和输出层神经元的权值和阈值；

步骤四·六、滑动窗口右移一位，跳至四·一，直到整个蛋白质序列计算完成；

步骤四·七、选择下一条训练样本进行学习，跳至四·一，直到所有序列计算完成；

步骤四·八判断网络误差是否小于期望误差，若小于期望误差则结束训练，否则判断迭代次数是否达到最大学习次数，当小于最大学习次数时跳步骤四·一，否则结束训练；

步骤五、输入待测试蛋白质数据，判定蛋白质序列所对应的二级结构。

2.根据权利要求1所述的基于BP神经网络蛋白质二级结构预测方法，其特征是：

步骤二中采用六位输入编码蛋白质的氨基酸序列信息，其中五位表示氨基酸类型，一位用来表示残基相对于窗口中心位置的偏移量，假设相对于中心的偏移量为n，则该位的值为2^-n。

3.根据权利要求1所述的基于BP神经网络蛋白质二级结构预测方法，其特征是：

步骤二中采用滑动窗口选定输入范围，窗口的中心位置为待预测氨基酸残基，窗口两侧的位置对称，长度相同，包含与待预测位相邻的残基信息。

4.根据权利要求1所述的基于BP神经网络蛋白质二级结构预测方法，其特征是：

步骤三中初始化的网络连接权值ω_ij、ε_jk和阈值θ_j、μ_k为随机赋值，随机赋值的赋值区间选择在(-1,1)之间。

5.根据权利要求1所述的基于BP神经网络蛋白质二级结构预测方法，其特征是：

步骤四中采用Sigmoid函数作为神经元计算的传递函数。

6.根据权利要求1及5所述的基于BP神经网络蛋白质二级结构预测方法，其特征是：

步骤四·一利用公式一计算隐藏层输出，其中ω_ij和θ_j隐藏层连接权值和阈值，x_i为输入层第i个输入：

公式一,hj=f(Σi=1Nxiωij-θj).]]>