[发明专利]半胱氨酸中亚磺酰化硫位点的预测方法及系统

摘要

本发明涉及生物信息技术领域，公开了一种半胱氨酸中亚磺酰化硫位点的预测方法及系统，以提高预测的准确率，节省实验成本。本发明公开的预测方法包括构建含有半胱氨酸的蛋白质的样本集，并将含有亚磺酰化硫位点的蛋白质归为正样本，以及将无亚磺酰化硫位点的蛋白质归为负样本；然后计算各样本相应的特征值；并采用基于限制玻尔兹曼机的深度信念网络对各样本的特征序列进行特征降维，然后利用降维后的数据对所述训练集以SVM方式进行训练学习并分类，并对当前分类模型的预测结果以所述训练集并结合所述独立测试集的方式进行评估，并记录相关的评估值；进而确定预测模型以及预测用的相应特征集。

主权项

一种半胱氨酸中亚磺酰化硫位点的预测方法，其特征在于，包括：步骤S1、构建样本集，所述样本集由含有半胱氨酸的蛋白质组成，并将含有亚磺酰化硫位点的蛋白质归为正样本，以及将无亚磺酰化硫位点的蛋白质归为负样本；步骤S2、构建训练集和独立测试集，所述训练集和独立测试集都含有正样本和负样本；步骤S3、确定所需计算的样本初始特征集，并计算各样本相应的特征值；步骤S4、以半胱氨酸为中心确定滑动窗口的大小，以所确定的滑动窗将同一样本的各个特征值整合到一条特征序列中；步骤S5、基于限制玻尔兹曼机的深度信念网络对整合的所述特征序列进行特征降维，然后利用降维后的数据对所述训练集采用支持向量机算法模型进行训练学习并分类，并对当前分类模型的预测结果以所述训练集并结合所述独立测试集的方式进行评估，并记录相关的评估值；然后返回步骤S3对样本初始特征集进行调整，并重新基于调整后的特征集以得到新的分类模型；步骤S6、比较初始分类模型与新的分类模型的评估值，筛选出评估值好的分类模型为半胱氨酸中亚磺酰化硫位点的预测模型，并筛选出预测用的相应特征集。