[发明专利]一种实现快速筛选氨基酸序列的方法及装置

说明书

本发明公开了一种实现快速筛选氨基酸序列的方法及装置，其方法包括：将目标氨基酸序列L进行划分处理，得到N个目标子氨基酸序列LN；通过对所述N个目标子氨基酸序列LN分别进行数字转换处理，得到由数字构成的N个独热向量氨基酸序列，并将所述N个独热向量氨基酸序列进行汇总处理，得到目标氨基酸序列矩阵M；利用所述目标氨基酸序列矩阵M，分别计算所述目标氨基酸序列L的组成、转移、分布CTD和序列顺序组合数SOCN；利用所述目标氨基酸序列L的CTD和SOCN，从预置的氨基酸序列库中筛选出与所述目标氨基酸序列L特征相似的氨基酸序列。

技术领域

本发明涉及蛋白质氨基酸技术领域，特别涉及一种实现快速筛选氨基酸序列的方法及装置。

背景技术

基于序列的分析和预测是生物信息学的基本任务，这些预测和分析大大促进了对DNA、RNA和蛋白质的序列结构和功能的理解。序列的快速积累要求同样普遍地开发新的预测模型，这取决于是否有支持这些努力的有效工具。在过去的几十年里，高通量测序技术有了长足的进步和广泛的应用，产生了前所未有数量庞大的DNA、RNA和蛋白质序列数据。随着这些数据的快速积累，有效地分析、挖掘和可视化生物序列已成为一项复杂的任务。在各种计算解决方案中，机器学习方法是一种流行的、高效的生物序列准确功能预测/分析的解决方案。许多基于序列的机器学习方法已经被提出，有助于更好地理解DNA、RNA和蛋白质的功能和结构，特别是在人类疾病方面。尽管用于序列分析和预测的机器学习框架多种多样，但总的来说，它们在收集序列数据后遵循同样的五个主要步骤：特征提取、特征分析、分类器构建、性能评估和数据/结果可视化。但是，目前没有针对大分子蛋白质特征的计算以及蛋白质氨基酸序列的计算效率比较低的问题。

发明内容

根据本发明实施例提供的方案解决的技术问题是如何实现快速筛选氨基酸序列。

根据本发明实施例提供的一种实现快速筛选氨基酸序列的方法，包括：

将目标氨基酸序列L进行划分处理，得到N个目标子氨基酸序列LN；

通过对所述N个目标子氨基酸序列LN分别进行数字转换处理，得到由数字构成的N个独热向量氨基酸序列，并将所述N个独热向量氨基酸序列进行汇总处理，得到目标氨基酸序列矩阵M；

利用所述目标氨基酸序列矩阵M，分别计算所述目标氨基酸序列L的组成、转移、分布CTD和序列顺序组合数SOCN；

利用所述目标氨基酸序列L的CTD和SOCN，从预置的氨基酸序列库中筛选出与所述目标氨基酸序列L特征相似的氨基酸序列。

根据本发明实施例提供的一种实现快速筛选氨基酸序列的装置，包括：

获取模块，用于将目标氨基酸序列L进行划分处理，得到N个目标子氨基酸序列LN；通过对所述N个目标子氨基酸序列LN分别进行数字转换处理，得到由数字构成的N个独热向量氨基酸序列，并将所述N个独热向量氨基酸序列进行汇总处理，得到目标氨基酸序列矩阵M；

计算模块，用于利用所述目标氨基酸序列矩阵M，分别计算所述目标氨基酸序列的组成、转移、分布CTD和序列顺序组合数SOCN；

筛选模块，用于利用所述目标氨基酸序列的CTD和SOCN，从预置的氨基酸序列库中筛选出与所述目标氨基酸序列L特征相似的氨基酸序列。

根据本发明实施例提供的方案，能够快速比对蛋白质氨基酸序列的差异，能够加速从海量蛋白质氨基酸序列中筛选出特征相似的氨基酸序列。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于理解本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例提供的一种实现快速筛选氨基酸序列的方法流程图；

图2是本发明实施例提供的一种实现快速筛选氨基酸序列的装置示意图。