[发明专利]一种高通量基于计算预测弹性蛋白质的方法

权利要求书

1.一种高通量基于计算预测弹性蛋白质的方法，其特征在于，包括以下步骤：

获取弹性蛋白质基准数据集D^E以及非弹性蛋白质基准数据集D^nE；

随机生成多条长度在4～15范围内的短肽片段；

分别计算每条所述短肽片段在弹性蛋白质基准数据集D^E上出现的频率相对于在非弹性蛋白质基准数据集D^nE上出现的频率的比率Ratio_f(i)；

当所述短肽片段在弹性蛋白质基准数据集D^E上出现的频率相对于在非弹性蛋白质基准数据集D^nE上出现的频率的比率Ratio_f(i)≥2时，则该短肽片段为富集短肽片段；

计算所述富集短肽片段的信息增益率

当所述富集短肽片段的信息增益率则该富集短肽片段为富集motif，并将其放入到富集motif集合中；

渐次输入富集motif集合中的每一个富集motif对未知的蛋白质序列进行扫描，根据扫描结果判断该未知的蛋白质序列构成潜在的未知弹性蛋白质的概率；

当该未知蛋白质序列所包含的富集motif越多，其构成潜在的未知弹性蛋白质的概率越高。

2.根据权利要求1所述的一种高通量基于计算预测弹性蛋白质的方法，其特征在于：所述获取弹性蛋白质基准数据集D^E包括以下步骤：

在Uniprot数据库中搜索获取多条弹性蛋白质；

将搜索到的多条所述弹性蛋白质使用blastclust程序以30％的相似度阈值进行聚类形成多个类别，在每一个类别中任意选择一条弹性蛋白质作为代表性弹性蛋白质，多个所述代表性弹性蛋白质构成弹性蛋白质基准数据集D^E；

所述获取非弹性蛋白质基准数据集包括以下步骤：

在Uniprot数据库中搜索获取多条非弹性蛋白质；

将搜索到的多条所述非弹性蛋白质使用blastclust程序以30％的相似度阈值进行聚类形成多个类别，在每一个类别中任意选择一条非弹性蛋白质作为代表性非弹性蛋白质，多个所述代表性非弹性蛋白质构成非弹性蛋白质基准数据集D^nE；

所述弹性蛋白质基准数据集D^E中弹性蛋白质的数量与非弹性蛋白质基准数据集D^nE中的非弹性蛋白质的数量相同。

3.根据权利要求2所述的一种高通量基于计算预测弹性蛋白质的方法，其特征在于：所述短肽片段在弹性蛋白质基准数据集D^E上出现的频率相对于在非弹性蛋白质基准数据集D^nE上出现的频率的比率Ratio_f(i)的计算公式为：

其中为所述短肽片段在弹性蛋白质基准数据集D^E上出现的频率，计算公式为：

其中O(elastin)_i表示所述短肽片段在弹性蛋白质基准数据集D^E中出现的次数；Num(elastin)表示弹性蛋白质基准数据集D^E中的弹性蛋白质的总数目；

为所述短肽片段在非弹性蛋白质基准数据集D^nE上出现的频率，计算公式为：

其中O(non-elastin)_i表示所述短肽片段在非弹性蛋白质基准数据集D^nE中出现的次数；Num(non-elastin)表示非弹性蛋白质基准数据集D^nE中的非弹性蛋白质的总数目。