[发明专利]一种基于机器学习技术预测细菌外膜蛋白质的方法

权利要求书

1.一种基于机器学习技术预测细菌外膜蛋白质的方法，其特征在于，所述的方法包括：

利用PSI-BLAST算法，将蛋白质序列与无冗余的蛋白质序列数据库进行比对，计算位置特异性打分矩阵，采用一个自相关函数，计算序列一定区域内同一类氨基酸的PSSM组成特征和PSSM自相关特征，共同组成蛋白质特征向量，采用支持向量机建立机器学习分类模型，使用训练数据集对模型进行训练和优化，训练好的模型可对未知的蛋白质序列进行分类，判断其是否为外膜蛋白质。

2.一种基于机器学习技术预测细菌外膜蛋白质的方法，其特征在于，所述的方法包括如下步骤：

步骤一、用户将待预测的蛋白质序列，采用FASTA格式，输入本地计算机程序；

步骤二、计算机程序采用PSI-BLAST程序，将蛋白质序列与无冗余的蛋白质序列进行比对；

步骤三、计算机程序调用Matlab来运行核心预测程序，计算蛋白质的PSSM组成特征和PSSM自相关特征；

步骤四、Matlab程序将多类特征依据预设方式进行特征选择和组合，产生一个蛋白质特征向量；

步骤五、Matlab程序调用libSVM程序，使用事先训练好的模型，预测蛋白质是外膜蛋白的似然率；

步骤六、根据SVM预测结果判断其是否为一个外膜蛋白，将结果输出。

3.如权利要求2所述的一种基于机器学习技术预测细菌外膜蛋白质的方法，其特征在于，步骤二、计算机程序采用PSI-BLAST程序，将蛋白质序列与无冗余的蛋白质序列进行比对具体步骤为：将用户输入的蛋白质序列输入matlab脚本程序，matlab脚本程序调用PSI-BALST来与无冗余的蛋白质数据库进行比对，计算PSSM，并且通过PSSM组成计算方法，将PSSM转换为PSSM组成特征和PSSM自相关特征，得到一个组合的特征向量。

4.如权利要求2所述的一种基于机器学习技术预测细菌外膜蛋白质的方法，其特征在于，步骤三、计算机程序调用Matlab来运行核心预测程序，计算蛋白质的PSSM组成特征和PSSM自相关特征；

蛋白质序列视为20种氨基酸残基组成的字符串，将蛋白质序列通过本地PSI-BLAST程序，与本地的蛋白质序列数据库进行比对，输出PSSM；PSSM自相关特征计算方式为：

V P S S M _ A A C = [ S ‾ 1 S ‾ 2 S ‾ 3 ... S ‾ i ... S ‾ 20 ] ]]>

S ‾ i = 1 L Σ j = 1 L s j , i , j = 1 , 2 , 3 , ... , 20 ]]>

Sji是蛋白质序列上第j个氨基酸突变为氨基酸i的PSSM得分，则表示蛋白质所有位置的氨基酸突变为i的平均得分；PSSM_AC表示PSSM组成特征得分，计算方式为：

V i , lg S S S M _ A C = 1 L - g Σ j = 1 L - g ( s j , i - S ‾ i ) × ( s j , j + lg - S ‾ i ) , g = 1 , 2 , 3 , ... , L G ]]>

lg表示一个残基和它的邻居之间的距离，LG是g的最大值，V表示相隔g个氨基酸残基的两个残基之间的平均自相关值；这样，从蛋白质序列的PSSM可以计算出20*LG个变量。