[发明专利]一种基于深度残差神经网络的蛋白质残基接触预测方法

说明书

一种基于深度残差神经网络的蛋白质残基接触预测方法，首先，通过蛋白质数据库构建数据集；其次，利用HHblits构建所有序列的MSA，根据进化信息提取序列谱特征、香农熵特征、协方差特征，作为神经网络的输入，生成神经网络的标签文件；然后，将数据集输入到神经网络中训练神经网络；最后，将测试序列输入到神经网络中进行预测。本发明提供一种能够有效辅助蛋白质结构预测的蛋白质残基接触预测方法，能够提高蛋白质结构预测的精度。

技术领域

本发明涉及生物信息学、计算机应用领域，尤其涉及的是一种基于深度残差神经网络的蛋白质残基接触预测方法。

背景技术

蛋白质是生命系统中最丰富的有机分子。这些分子在结构和功能上比其他种类的大分子更加多样化。一个细胞内的生命系统都包含数千种蛋白质，每一种都有独特的功能。蛋白质在细胞或有机体中起着广泛的作用。蛋白质结构是一个有着几百上千种残基的复杂系统，残基之间通过相互作用形成稳定的三维结构，以实现特定的功能。在生物体内，基因序列决定了氨基酸序列的构成，氨基酸序列决定了蛋白质的空间结构，而蛋白质的功能与蛋白质的空间结构有着密不可分的联系。因此要研究蛋白质的功能就要从蛋白质的结构入手。然而目前已知的蛋白质结构的数量相对于基因序列的数量少之又少，蛋白质的三维结构可以通过实验的方式求解，但是过程复杂，比较繁琐。通过x射线晶体学的解决可以产生非常好的结果，但是它需要一个纯净的蛋白质样品来形成相对无瑕疵的晶体。核磁共振的解决局限于小的可溶性蛋白。因此，从氨基酸序列预测蛋白质结构是缩小蛋白质结构数量与氨基酸序列数量之间差距的关键。

接触图是表示蛋白质残基在一定距离阈值内接触状况的矩阵，为蛋白质的三维结构预测提供了信息。因此蛋白质残基接触预测是蛋白质结构预测的重要环节之一。

蛋白质残基接触图预测能为蛋白质结构预测提供精度保障，因此需要对蛋白质残基接触图预测方法进行研究。

发明内容

为了提高现有的蛋白质结构预测方法的精度，本发明提出了一种基于深度残差神经网络的蛋白质残基接触预测方法，用来辅助蛋白质结构预测，提高预测精度。

本发明解决其技术问题所采用的技术方案是：

一种基于深度残差神经网络的蛋白质残基接触预测方法，所述方法包括以下步骤：

1)构建数据集：从蛋白质数据库PDB中选择序列相似度低于20％、序列长度在40-500之间的4000个氨基酸序列，从中随机选择300个序列作为测试集，剩余的序列作为训练集；

2)氨基酸序列进化信息分析，操作如下：

2.1)利用HHsuite软件包中的HHblits在UniRef30序列数据库中搜索数据集中每条序列的多序列比对文件；

2.2)基于生成的多序列比对文件，计算多序列比对文件中第i号残基为A类型氨基酸的概率f_i(A)，其中A∈{A,C,D,E,F,G,H,I,K,L,M,N,Q,R,S,T,V,W,Y,-},i∈{1,2,…,L}，L为多序列比对文件中单条序列的长度，f_i(A)计算公式如下：

其中M表示多序列比对文件中序列的条数，m表示当前序列是多序列比对文件中的第几条，m∈{1,2,…,M}，P_i^m表示多序列比对中第m行第i列残基的类型，表示和A是否相等，相等则为1，不等则为0；

2.3)计算多序列比对文件中第i号残基为A，且第j号残基为B的概率f_ij(A,B)，其中A和B均∈{A,C,D,E,F,G,H,I,K,L,M,N,Q,R,S,T,V,W,Y,-}，其中i和j均∈{1,2,…,L}，L为多序列比对文件中单条序列的长度，f_ij(A,B)计算公式如下：