[发明专利]一种基于大间隔最近中心点的蛋白质二级结构的工程预测方法

摘要

一种基于大间隔最近中心点的蛋白质二级结构的工程预测方法，属于蛋白质二级结构的工程预测方法领域，解决了现有蛋白质二级结构的预测方法在采用机器学习算法时，存在的数据权值存在局部极小值、预测效率低的问题。本发明所述的蛋白质二级预测方法是：首先基于PDB数据库构造非冗余蛋白质二级结构训练数据集，然后基于NCBI nr数据库为目标蛋白质链构造多序列比对特征，最后调用大间隔最近中心点算法来构建蛋白质二级结构预测模型。所述的大间隔最近中心点算法利用欧氏距离的K-means聚类算法确定每类样本的中心点，通过最小化目标损失函数学习输入空间的线性变换。本发明实现了快速、高效率、高精度的蛋白质二级结构预测，适用于蛋白质的二级结构预测。

主权项

一种基于大间隔最近中心点的蛋白质二级结构的工程预测方法，其特征是：采用下列步骤实现：步骤一、下载发布的NCBI nr数据库和PDB格式的蛋白质结构数据，基于PDB格式的蛋白质结构数据构造非冗余蛋白质二级结构训练数据集；步骤二、给定目标蛋白质一级序列数据，根据步骤一提供的NCBI nr数据库为目标蛋白质一级序列中的每个残基构造多序列比对特征向量；步骤三、基于步骤二中构造的目标蛋白质序列的多序列比对特征向量，调用大间隔最近中心点算法，获得目标蛋白质的二级结构预测数据，在步骤三中，所述的大间隔最近中心点算法是通过以下步骤实现的：步骤三·一、基于步骤二中为非冗余蛋白质二级结构训练数据集中的所有残基构造的多序列比对特征向量，以残基对应的二级结构作为特征向量的标签构造大间隔最近中心点算法的训练样本集；步骤三·二、基于步骤三·一构造的训练样本集，利用欧氏距离的K-means聚类算法确定各类样本的中心点，其中，螺旋类样本、卷曲类样本和折叠类样本对应的K值分别为3，3和2；步骤三·三、基于步骤三·二确定的各类样本的中心点和给定的初始超参数μ，利用子梯度投影算法，通过最小化目标损失函数求解大间隔最近中心点模型的线性变换矩阵，其中，目标损失函数形式化为凸半定规划问题。