[发明专利]一种非参数膜蛋白跨膜螺旋预测方法

摘要

本发明公开了一种非参数膜蛋白跨膜螺旋预测方法。首先利用PSI-BLAST程序获取蛋白质的进化信息，并使用滑动窗口技术抽取每个氨基酸残基的特征；然后，利用自组织神经网络(SOM)学习跨膜螺旋在特征空间中的分布规律，将分布规律知识编码在SOM的权值向量中；预测阶段，对给定的待预测蛋白质的每个氨基酸残基使用概率神经网络(PNN)非参数模型进行预测，得到预测曲线后，使用发明人自行提出的动态阈值分割技术确定每个氨基酸残基是否属于跨膜螺旋片段。优点在于：一是使用概率神经网络模型，使得预测模型仅需调节一个参数；二是使用学习得到的SOM的权向量作为PNN的基样本，保证了跨膜螺旋预测精度的同时提高了预测速度。

主权项

一种非参数膜蛋白跨膜螺旋预测方法，包括以下四个步骤，第一步：特征提取，将蛋白质序列中的氨基酸残基使用滑动窗口技术并结合其进化特征转换为向量形式表示；第二步：使用自组织映射神经网络进行跨膜螺旋分布特征的学习；第三步：使用学习得到的SOM的权值向量构建概率神经网络；第四步：蛋白质跨膜螺旋预测；其特征在于：在上述第二步中采用模式特征分布规律学习，使用自组织映射神经网络，在特征空间中学习蛋白质跨膜螺旋样本的分布规律，并消除原始训练样本噪声，使用批量学习算法来训练SOM，直到SOM收敛或是达到预先设定的学习步数；在上述第三步中采用从上述步骤二中训练好的SOM的权值向量来构建PNN；在上述第四步中，对于给定的待预测蛋白质，使用上述步骤三中所构建的概率神经网络，对其中的氨基酸残基的跨膜螺旋性进行逐个预测，得到预测曲线，使用动态阈值分割的方法确定每个残基是否属于跨膜螺旋片段。