[发明专利]一种卷积神经网络预测蛋白质溶解性的方法

权利要求书

1.一种卷积神经网络预测蛋白质溶解性的方法，其特征在于，其包括以下步骤：

S1：对蛋白质数据进行筛选，排除包含有非人体必须的20种氨基酸的蛋白质序列；

S2：使用CD-hit工具降低数据集冗余度；

S3：计算每个蛋白质序列的2-mer频率；

S4：将数据集分割为训练集Dtr、测试集Dte和校准集Dcor；

S5：对每个子训练集进行卷积神经网络子模型训练，得到n个子模型；

S6：每个子模型对校准集Dcor进行预测运算，获得二级模型训练集Dsoc；

S7：使用训练集Dsoc对二级分类器模型进行训练；

S8：保存各个卷积神经网络子模型和二级模型；S9：使预测数据通过步骤S1和S2两步处理，获得2-mer频率特征；S10：使用得到的2-mer频率特征作为各个卷积神经网络子模型的输入，获得各个子模型的预测数据；S11：对各个子模型的预测数据建立二级分类器输入数据，进行二级分类器模型的预测；S12：返回二级分类器模型预测结果，算法结束。

2.根据权利要求1所述的卷积神经网络预测蛋白质溶解性的方法，其特征在于，所述步骤S3具体分割方式为：数据集以2:1的比例划分测试集Dtra和训练集Dte；在对训练集Dte划分子训练集和校准集，设置子训练集个数N，同时对训练集进行随机化处理，将数据集平均划分为N+1份；其中N份为子训练集、一份为校准集Dcor。

3.根据权利要求1所述的卷积神经网络预测蛋白质溶解性的方法，其特征在于，所述步骤S3的具体操作方法为：首先建立20*20矩阵A，其次计算蛋白质序列的2-mer，最后矩阵A与蛋白质序列长度相除得到2-mer频率。

4.根据权利要求1所述的卷积神经网络预测蛋白质溶解性的方法，其特征在于，所述步骤S4中还对训练集Dtr再次分割为若干个子训练集{Dtr1，Dtr2…Dtrn}，其中(Dtr1+Dtr2+…+Dtrn＝Dtr)。

5.根据权利要求1所述的卷积神经网络预测蛋白质溶解性的方法，其特征在于，所述S5步骤中卷积神经网络子模型具体设计为：

S5.1：输入蛋白质2-mer频率X∈R^20*20，其中20是氨基酸符号字典的长度；

S5.2：多卷积池，卷积块由一组三元组{(f_k，q_k，a_k)}_k＝1……K表示，f_k为卷积滤波器大小，q_k为卷积块k中的卷积滤波器的数量，a_k为与该卷积块相关联的激活函数，使用的a_k为ReLU函数，对输入数据进行1*1维度卷积操作； 卷积操作使用以下数学等式表示：

其中C为在训练阶段期间学习权重；S5.3：经过对卷积成获得特征进入深度神经网络(DNN)计算，其中每个神经元的数学表达式为:

O_i＝Sigmoid(W_i*x+b_i)_i＝1……d

其中d为神经网络层数，第一层为输入层、最后一层为输出层；b_i为第i层的偏移量；W_i为第i层的权重矩阵，O_i为第i层的输出；

在DNN中上一层的输出为下一层的输入。

6.根据权利要求1所述的卷积神经网络预测蛋白质溶解性的方法，其特征在于，所述步骤S10将2-mer频率数组导入各个卷积神经网络子模型在预测前进行打分。