[发明专利]一种膜蛋白残基的作用关系的预测方法和装置

说明书

技术领域

本发明属于数据挖掘、机器学习和计算机生物学的交叉领域，尤其涉及一种膜蛋白残基作用关系的预测方法和装置。

背景技术

在目前已知的药物靶点中，膜蛋白约占60％。由于膜蛋白结构的实验解析难度较大，在蛋白质数据库(Protein Data Bank-PDB)中，超过9万个的已知蛋白质结构里，已知的膜蛋白结构仅占已知的蛋白质结构的1％。

现有的解析蛋白质三维结构的生物学实验方法主要包括X-RAY和NMR法。这些生物学实验方法不仅操作过程较为复杂，耗时，而且实验花费的成本也较高。正是由于实验解析法的这些不足，使得计算机计算方法的发展成为必然。目前用于蛋白质三维结构预测的计算方法主要有同源模建法、折叠识别法和从头预测法。并且通常从均衡分类的角度，将相互作用的残基对或非相互作用的残基对按照1：1的比例训练模型。其中，残基是指由20种不同的氨基酸连接形成的多聚体，在形成蛋白质后，这些氨基酸之间的氨基和羧基脱水成键，氨基酸由于其部分基团参与了肽键的形成，剩余的结构部分称为氨基酸残基。所谓残基作用关系是指那些在蛋白质的一级序列中不相邻而在三级结构中邻近的残基对。

由于相互作用的残基对与非相互作用的残基对的比例一般会远远大于1：1，从而使得现有的预测方法会导致大量有用的信息流失，影响预测的准确度和覆盖度。

发明内容

本发明的目的在于提供一种膜蛋白残基的作用关系的预测方法，以解决现有技术中的预测方法会导致大量有用的信息流失，影响预测的准确度和覆盖度的问题。

第一方面，本发明实施例提供了一种膜蛋白残基的作用关系的预测方法，所述方法包括：

获取已解析蛋白质结构的膜蛋白作为训练集；

提取所述已解析蛋白质结构的膜蛋白中用于区分相互作用的残基对和非相互作用的残基对的非均衡分类的特征；

将所提取的非均衡分类的特征通过smote-boost算法训练预测模型，得到训练后的预测模型；

根据训练后的预测模型，预测未知蛋白质结构的膜蛋白残基的作用关系。

结合第一方面，在第一方面的第一种可能实现方式中，所述提取所述已解析蛋白质结构的膜蛋白中用于区分相互作用的残基对和非相互作用的残基对的非均衡分类的特征步骤中，所述非均衡分类的特征包括：位置特异性得分矩阵PSSM特征、残基在α螺旋中相对距离特征、序列间隔特征、残基类型特征、α螺旋个数特征、序列长度特征中的一种或者多种。

结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所述位置特异性得分矩阵PSSM中的每个残基由一个20维的向量表示，所述位置特异性得分矩阵PSSM特征包括：

以残基对(i,j)中的残基i和残基j分别为中心取一个大小为a的滑动容器，每个残基对得到40a个位置特异性得分矩阵PSSM特征；

以残基对(i,j)的中间位置(i+j)/2为中心取一个大小为b的滑动窗口，获得20*b个位置特异性得分矩阵PSSM特征。

结合第一方面的第一种可能实现方式，在第一方面的第三种可能实现方式中，一个残基作用对包括两个氨基酸，所述残基类型特征包括由酸性氨基酸、碱性氨基酸、极性氨基酸、非极性氨基酸中的任意两种所产生的10种组合。

结合第一方面，在第一方面的第四种可能实现方式中，所述相互作用的残基对为位于膜蛋白的α螺旋上的CB-CB原子距离小于8埃的残基对。

第二方面，本发明实施例提供了一种膜蛋白残基的作用关系的预测装置，所述装置包括：

训练集获取单元，用于获取已解析蛋白质结构的膜蛋白作为训练集；

特征提取单元，用于提取所述已解析蛋白质结构的膜蛋白中用于区分相互作用的残基对和非相互作用的残基对的非均衡分类的特征；

训练单元，用于将所提取的非均衡分类的特征通过smote-boost算法训练预测模型，得到训练后的预测模型；

预测单元，用于根据训练后的预测模型，预测未知蛋白质结构的膜蛋白残基的作用关系。

结合第二方面，在第二方面的第一种可能实现方式中，所述特征提取单元中，所述非均衡分类的特征包括：位置特异性得分矩阵PSSM特征、残基在α螺旋中相对距离特征、序列间隔特征、残基类型特征、α螺旋个数特征、序列长度特征中的一种或者多种。

结合第二方面的第一种可能实现方式，在第二方面的第二种可能实现方式中，所述位置特异性得分矩阵PSSM中的每个残基由一个20维的向量表示，所述位置特异性得分矩阵PSSM特征包括：