一类蛋白质二级结构智能预测模型构造技术

摘要

本发明公开了一类蛋白质二级结构智能预测模型构造技术，利用多层递阶、逐步求精的结构模型集成。此模型CPM融合了原创型KAAPRO方法、新型同源性分析方法、改进型SVM方法等；CPM打破了传统的单一物化属性分析或单一结构序列分析的技术线路，而是采取了结构序列分析与物化属性分析相结合的优选线路，确保了模型整体的优化与预测精度的同时具有更好的普适性；CPM采用高起点的alpha/beta库挖掘；并以领域知识与背景知识贯穿；CPM能够很好地对偏alpha/beta型蛋白质的二级结构进行预测，取得86％的最高精度(同类最高达81％)。

主权项

一类蛋白质二级结构智能预测模型构造方法，其特征在于：包括综合分析层、辅助判定层、核心判定层、结果优化层；1)综合分析层：本层综合了新型同源性分析与优化的SVM类化分析；新型同源性分析：在多序列匹配阶段，采取基于退火进化的多序列匹配算法，使得比对的结果具有更强的生物敏感性；在模型构建阶段，利用持续的双向隐马尔可夫模型和神经网络的混合建模方法；优化的SVM类化分析：在SVM方法的改进中，采取轮转策略，即构造H/～H、E/～E、C/～C、H/E、H/C、E/C六个二分类器，根据样本与超平面的距离对目标样本判定；同时使用采样集建立模型，进而修正的策略；新型同源性分析方法基于序列结构，优化的SVM类化分析方法针对氨基酸物化属性，因此本层同时综合了结构序列分析与物化属性分析结果，打破了传统的单一性分析的研究线路；2)辅助判定层：本层采用优化的SVM二分类方法，以及对C库挖掘所得的关联规则集为基础的关联分类算法；模型以人工选取的方式对C数据库进行构造，具体方式为对RS126数据集分割窗口化，收集中间残基结构为C的记录组合而成；在此基础上，在KDD*过程模型的作用下，获得分类效果较好的规则集，该集合可有效分离数据中的C结构，以最大程度避免向核心判定层引入该结构，避免精度衰退；3)核心判定层：本层的核心方式是原创性的基于KDTICM理论的KDD*模型与Maradbcm算法，以及改进的关联规则分类CBA方法；该层的主要特征包括两方面：其一使用可信度与支持度的测度来作为一个复合型度量；其二根据蛋白质生物数据的特性，使用内容分别相对偏向alpha、beta的蛋白质库；此两个数据库是以CATH分类为基础，以同源性小于30％为条件，选择α型、β型的蛋白质而构成；利用基于KDD*模型的Maradbcm算法对纯度较高的α蛋白质库与β蛋白质库进行关联规则的挖掘，由此获得的挖掘结果是精化的规则；其在保证本层预测精度的同时，为生物学家对二级结构折叠的进一步分析提供了依据；4)结果优化层：本层主要设计倾向性因子、位能函数及合情推理三类方法，前两类方法属于生物信息学固有方法，其主要利用生物信息背景知识进行结构预测；合情推理方法是建立在二级结构具备的不同物化属性规律的基础上的；三种方法从不同角度对其下三层的结果加以优化，以最大程度地提高整体预测精度。