[发明专利]一种基于深度学习的蛋白质-配体结合位点预测方法

权利要求书

1.一种基于深度学习的蛋白质-配体结合位点预测方法，其特征在于，包括如下步骤：

步骤1)首先提取蛋白质结构数据集的序列特征，然后从蛋白质各残基的三维空间坐标计算出每个残基对之间的欧氏距离，并构建距离矩阵；最后利用滑动窗口方法对每个残基截取特征张量；

步骤2)将每个结合位点作为正样本，非结合位点作为负样本，使用随机下采样的方法从负样本中抽取一个子集与所有的正样本构建一个训练子集，重复多次后获得多个训练子集；在构建mini-batch时，对正样本作随机上采样；

步骤3)利用残差块构建残差神经网络，并在所述距离矩阵上进行训练；

步骤4)将残差神经网络与双向长短时记忆网络通过全连接层进行整合，构建混合神经网络，并在所述序列特征和距离矩阵上进行训练；

步骤5)根据所述残差神经网络和混合神经网络的输出结果训练一个Logistic回归分类器；

步骤6)对于待预测的蛋白质，首先提取其序列特征，然后将序列特征通过滑动窗口方法分配到每个残基上，然后将残基所对应的特征逐个输入到残差神经网络和混合神经网络中，并将残差神经网络和混合神经网络的输出结果输入到Logistic回归分类器中，最终结果即为蛋白质中每个残基对应的结合概率。

2.根据权利要求1所述的基于深度学习的蛋白质-配体结合位点预测方法，其特征在于，所述步骤1)中序列特征与距离矩阵的提取方法如下：

步骤1.1)对于长度为L的蛋白质，通过PSI-BLAST算法获得其位置特异性打分矩阵PSSM；PSSM的大小为L×20，其中第i行第j列元素p_ij表示第i个残基突变为第j种氨基酸的可能性，氨基酸共有20种；

然后对每个p_ij作如下式的归一化处理：

步骤1.2)对于长度为L的蛋白质，通过HHblits算法获得打分矩阵HHM，HHM标识蛋白质序列的进化信息；HHM的大小为L×30，其中前20列为20种氨基酸的发射概率，第21-27列为转移概率，第28-30列为局部多样性；

对HHM中的元素h_ij作如下式的归一化处理：

步骤1.3)对于长度为L的蛋白质，通过SCRATCH算法预测其二级结构信息和相对溶剂可及性；二级结构信息表示为一个L×3的矩阵，其中每一行s_i以one-hot向量的形式表示第i个残基的二级结构为helix,strand或其它；溶剂可及性表示为一个L×2的矩阵，其中每一行r_i以one-hot向量的形式表示第i个残基的状态为exposed或buried；

步骤1.4)对于长度为L的蛋白质，通过S-SITE算法预测其每个残基的结合倾向，结果表示为一个L×2的矩阵；其中每一个元素q_i0和q_i1分别表示该第i个残基结合的概率和不结合的概率，q_i0和q_i1的和为1；

步骤1.5)对于长度为L的蛋白质，若其每个原子在空间中的坐标是已知的，通过计算第i个残基与第j个残基的C_α之间的欧氏距离，记为d_ij；

按照序列的顺序构建一个距离矩阵D＝{d_ij}^L×L，然后通过插值的方法将其缩放到L×400的大小；

步骤1.6)将步骤1.1)-步骤1.4)中得到的序列特征矩阵，按行拼接为一个L×57的序列特征矩阵，再以大小为W的滑动窗口对每个残基进行截取，最终得到大小为W×57的特征矩阵；再以大小为W的滑动窗口对距离矩阵进行截取，得到每个残基对应的大小为W×400的距离矩阵。