[发明专利]泛素化位点的识别方法、装置、系统和存储介质

权利要求书

1.一种泛素化位点的识别方法，其特征在于，包括：

获取蛋白质的三维结构信息；

从所述三维结构信息提取出空间结构特征信息；所述空间结构特征 信息包括特征矩阵和邻接矩阵；

基于训练完成的卷积模型对所述空间结构特征信息进行处理，得到赖氨酸节点的赖氨酸特征信息；所述卷积模型通过蛋白质训练集训练完成；

若所述赖氨酸特征信息与预设的分类条件匹配，则对应的所述赖氨酸节点为泛素化位点；

通过所述蛋白质训练集训练所述卷积模型的步骤包括：

获取所述蛋白质训练集；所述蛋白质训练集中至少包含一组蛋白质样本信息和赖氨酸样本信息；

将所述蛋白质样本信息作为所述卷积模型的输入参数计算得到赖氨酸训练信息；

基于所述赖氨酸训练信息和所述赖氨酸样本信息计算得到权参数和训练特征参数；

基于所述权参数、所述训练特征参数和预设的加权损失函数模型计算得到损失值；

基于所述损失值和预设的训练条件判断是否完成训练；

在未完成所述卷积模型的训练时，迭代计算所述损失值；在完成所述卷积模型的训练时，停止迭代计算所述损失值；

所述基于所述赖氨酸训练信息和所述赖氨酸样本信息计算得到权参数和训练特征参数的步骤包括：

统计所述赖氨酸训练信息的数量得到样本数量；

统计各所述赖氨酸训练信息中的赖氨酸得到第一赖氨酸数量；

统计各所述赖氨酸样本信息中的赖氨酸得到第二赖氨酸数量；

基于所述样本数量和所述第一赖氨酸数量构建得到所述训练特征参数中的第一二维矩阵；

基于所述样本数量和所述第二赖氨酸数量构建得到所述训练特征参数中的第二二维矩阵；

将所述第一赖氨酸数量和所述第二赖氨酸数量求和得到所述权参数中的赖氨酸总量；

根据所述赖氨酸训练信息和预设的分数阈值统计所述赖氨酸训练信息以及所述赖氨酸样本信息中可泛素化的赖氨酸数量，得到所述权参数中的可泛素化总数和非泛素化总数。

2.如权利要求1所述的泛素化位点的识别方法，其特征在于，所述将所述蛋白质样本信息作为所述卷积模型的输入参数计算得到赖氨酸训练信息的步骤包括：

通过第一卷积层对所述蛋白质样本信息进行计算，得到第一特征矩阵；所述蛋白质样本信息包括训练邻接矩阵和训练特征矩阵；

通过第二卷积层对所述训练邻接矩阵和所述第一特征矩阵进行计算，得到第二特征矩阵；

通过自注意力机制层对所述第二特征矩阵进行计算，得到第三特征矩阵；

通过第三卷积层对所述训练邻接矩阵和所述第三特征矩阵进行计算，得到蛋白质训练信息；

从所述蛋白质训练信息中筛选出所述赖氨酸训练信息。

3.如权利要求1所述的泛素化位点的识别方法，其特征在于，所述从所述三维结构信息提取出空间结构特征信息的步骤包括：

基于预设的中心碳原子标识识别所述三维结构信息中各个氨基酸的中心碳原子；

从所述三维结构信息中提取与各个所述中心碳原子对应的位置信息；

基于所述位置信息计算各所述氨基酸间的距离信息；

在所述距离信息小于预设的距离阈值时，判定对应的两个所述氨基酸为连接关系，以生成所述空间结构特征信息。

4.如权利要求3所述的泛素化位点的识别方法，其特征在于，在生成所述空间结构特征信息之后，还包括：

根据赖氨酸标识识别所述空间结构特征信息中的所述赖氨酸节点；

将所述赖氨酸节点配置在所述空间结构特征信息中的前方。

5.如权利要求3所述的泛素化位点的识别方法，其特征在于，在训练完成所述卷积模型后，还包括：

获取非泛素化正确率和所述距离阈值的优化范围；

从所述优化范围中选择所述距离阈值并结合所述非泛素化正确率，利用贝叶斯优化迭代计算可泛素化正确率；

在满足预设的迭代条件后，提取与最高的所述可泛素化正确率对应的所述距离阈值，以对所述距离阈值进行优化。