[发明专利]基于条件随机场的固有无序蛋白质的识别方法

摘要

本发明提供了一种基于条件随机场的固有无序蛋白质的识别方法，利用蛋白质的进化信息、氨基酸组成信息、二级结构信息和相对溶剂可及性信息，结合条件随机场构建了固有无序蛋白质识别方法IDP‑CRF。对生物序列的位点进行预测，如何包含位点标签之间的依赖关系一直是重要的问题，也是基于传统的分类算法构建的识别方法不能解决的问题。此外，采用生物序列中提取的丰富的数值型特征也是提高方法性能的关键。所以，本发明采用了能够处理数值型特征的条件随机场算法构建预测模型。该模型不仅能够包含位点标签之间的依赖关系，而且能够处理数值型特征，从而进一步提高预测性能。

主权项

1.一种基于条件随机场的固有无序蛋白质的识别方法，其特征在于：所述方法包括以下步骤：S1、构建条件随机场模型的特征，所述特征包括转移特征和状态特征；状态特征的构建首先要利用滑动窗口技术将蛋白质序列切割为一系列的子序列，然后对每个目标氨基酸构建其状态特征，即窗口内的进化信息特征和氨基酸组成特征、以及目标氨基酸的二级结构特征和相对溶剂可及性特征；S2、采用能够处理数值型特征的条件随机场软件，训练模型；在训练的过程中，首先要构建一定比例的正负样本集，构建的方法为随机去掉负样本，采用的平衡比例为正样本:负样本＝1:2；S3、对训练集执行步骤S1以输入到条件随机场模型中，训练模型参数；S4、对测试集执行步骤S1后输入到条件随机场模型中，得到识别结果。