用多模神经网络预测蛋白质二级结构

蛋白质结构预测中的机器学习方法蛋白质是生命体系中非常重要的分子，因为它们的结构和功能对细胞的正常运作至关重要。

预测蛋白质结构是生物科学领域中的一个重要问题，因为它有助于我们更好地理解蛋白质的生物功能、药物作用等方面。

通过理解蛋白质结构预测中的机器学习方法，我们可以更好地了解这个问题。

在科学家开始研究蛋白质结构预测之前，了解蛋白质结构的基本知识是很有必要的。

蛋白质具有四级结构，包括原生、二级、三级和四级结构。

原生结构是在蛋白质合成过程中形成的。

二级结构是由蛋白质内α-螺旋和β-折叠形成。

三级结构描述的是蛋白质的立体构象，包括螺旋、β-折叠、卷曲和其他结构特征。

最后，四级结构描述的是由多个蛋白质聚合而成的蛋白质复合物结构。

在蛋白质结构预测中，机器学习方法是非常有用的。

机器学习技术是一种通过数据和模型进行预测、分类和决策的方法，而不是基于人工指定规则的方法。

这些方法通过让计算机学习大量的数据，来预测和分类输入数据。

在蛋白质结构预测中，机器学习方法可以帮助我们更好地理解蛋白质结构的模式。

机器学习中的一种常用方法是神经网络。

神经网络是一种通过相互连接的神经单元来模拟人脑神经细胞网络的模型。

在蛋白质结构预测中，神经网络可以用来预测蛋白质的二级结构。

使用神经网络进行二级结构预测的一种流行方法是使用全卷积神经网络，这种网络可以将所有的输入序列转换为输出序列。

另一种机器学习方法是支持向量机（SVM）。

SVM是一种算法，可以将输入数据映射到高维空间中，并在其上构建超平面。

在蛋白质结构预测中，SVM可以用于预测蛋白质的三级结构。

它可以通过提取结构特征来预测蛋白质的空间构型，在进行预测之前，需要对原始蛋白质序列进行处理。

处理过程包括对序列进行特定的编码，并使用特征提取算法，将蛋白质序列的结构信息转换为特征向量。

总的来说，机器学习方法在蛋白质结构预测中是非常重要的。

预测蛋白质结构是一个大型的计算任务，需要消耗大量的计算资源和数据。

蛋白质二级结构预测的算法及应用蛋白质是生命体中不可或缺的物质之一，在细胞代谢和生物学活动中起着重要的作用。

而蛋白质的功能则与其二级结构密切相关。

因此，蛋白质二级结构预测对于研究蛋白质的功能和结构起着至关重要的作用。

蛋白质的二级结构指的是蛋白质中的肽链段呈现出的α-螺旋、β-折叠、无规卷曲等几种形式。

因为蛋白质的功能和三维结构都与其二级结构密切相关，因此，预测蛋白质的二级结构成为了许多生物医学研究的重要环节。

蛋白质二级结构预测的算法和方法非常多。

其中，最常用的包括基于知识库的方法、机器学习方法和基于进化的方法等。

本文将详细介绍这几种算法和方法，并分析它们的优缺点。

1. 基于知识库的方法基于知识库的方法属于一种基础算法，它以早已知道的信息为基础，例如氨基酸序列和二级结构库等。

基于知识库的方法通过分析早期的实验数据，并将其存储在数据库中，构建起经验知识体系。

当遇到一个新的蛋白质时，这个方法将使用经验库中的信息来预测其二级结构。

使用经验知识体系的这种方法通常被认为具有较高的准确性。

但是，这种方法的的主要限制因素在于其仅限于基于库中以前存储的蛋白质的二级结构信息，因此无法挖掘数据潜力，或对尚未分类的样本进行预测。

2. 机器学习方法机器学习方法属于一种新型的蛋白质二级结构预测算法。

与基于经验库的方法不同，机器学习方法不依赖于早期的实验数据，并且可以执行高维度的数据挖掘，学习来自大量较新蛋白质样本的知识，并使用这些知识来构建蛋白质二级结构预测模型。

机器学习方法主要有基于神经网络的方法、支持向量机（SVM）等。

这些算法或模型的核心是：当接受样本时，利用已经被训练好的模型，输入相应的数据并预测出其二级结构。

相对而言，机器学习方法的预测精度更高，尤其是对于尚未分类的样本或者非基于库中已有数据的样本。

3. 基于进化的方法基于进化的方法，也称演化树方法，主要是通过利用氨基酸序列间的相互关系，来分析其可能的二级结构，其预测模型基于多序列比对的对齐方法。

专利名称：一种基于多尺度卷积注意力神经网络的蛋白质二级结构预测方法
专利类型：发明专利
发明人：成金勇,徐颖,刘毅慧,马玉明
申请号：CN202110153044.8
申请日：20210204
公开号：CN112767997A
公开日：
20210507
专利内容由知识产权出版社提供
摘要：本发明提供一种基于多尺度卷积注意力神经网络的蛋白质二级结构预测方法，属于生物信息学与模式识别领域。

本发明采用多尺度卷积神经网络进行自适应学习，通过设置窗口大小来提取粒度不同的结构特征，从而识别更多的全局和局部特征信息。

同时，在该方法中引入注意力卷积机制，使其更加有效地识别结构序列中信息表征量大的部分。

由于传统神经网络的分类方法使用的损失函数为交叉熵，交叉熵并不能有效解决训练序列中的样本非均衡性问题，而蛋白质二级结构预测问题属于像素级分类，样本的非均衡性问题在其中体现得十分突出，本方法在构建模型的基础上提出一种改进的相关交叉熵损失函数来解决该问题。

申请人：齐鲁工业大学
地址：250353 山东省济南市长清区大学路3501号
国籍：CN
代理机构：济南信达专利事务所有限公司
代理人：刘淑风
更多信息请下载全文后查看。

武汉大学硕士学位论文蛋白质二级结构预测姓名：***申请学位级别：硕士专业：计算数学指导教师：***20020401摘要蛋白质二级结构预测是一个很值得研究的问题，它是氨基酸一级序列和三级结构之间的桥梁．二级结构预测为三级结构模型的构建建立了起始点．在过去的二十几年中，尽管科学家们已经提出了几十种预测蛋白质二级结构的方法，进展仍然十分缓慢．如果只利用单一序列的信息，迄今为止，最好的方法的预测成功率只有６３％左右，这预测的精度远远不能满足正确推断蛋白质分子三维空间结构的要求．本文的研究分两个部分：一是将遗传神经网络用于蛋白质二级结构预测：二是考虑位于同一二级结构的残基闻的相互作用，进一步提高预测正确率全文共分四章．第一章介绍了此问题的历史起源和已有的一些重要结果．第二章介绍了遗传算法、神经网络的一些基本知识，分析了它们的优缺点，并用遗传算法优化神经网络权值的选择，构造了遗传神经网络模型，保证迭代朝全局最优的方向进行第三章讲述如何具体将遗传神经网络用于蛋白质二级结构预测．说明输入层、输出层如何编码；学习和检验模型所用的数据，并给出了结果评价方法．在给出原始模型计算结果之后，讨论了神经网络参数变化对预测正确率的影响．第四章基于遗传神经网络模型，研究氨基酸序列中位于同一二级结构的氨基酸残基之间的相互作用．数值实验结果表明，本模型对于口一螺旋的预测正确率有很大的提高．这口一螺旋结构构象相当稳定，其残基间的相互关系密切这一事实相符合．最后，本章给出了本方法和其它经典方法预ｉ甄０正确率的比较．关键请ｌ：蛋白质二级结构预测、神经网络、遗传算法ＡｂｓｔｒａｃｔＩｔｉｓｎｅｃｅｓｓａｒｙｔｏｓｔｕｄｙｔｈｅｐｒｏｂｌｅｍｏｆｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｐｒｏｔｅｉｎｓｅｃｏｎｄａｒｙｓｔｒｕｃｔｕｒｅ，ｗｈｉｃｈｃｏｎｎｅｃｔｓａｍｉｎｏａｃｉｄｓｅｑｕ∞ｃｅｓｗｉｔｈｔｅｒｔｉａｒｙｓｔｒｕｃｔｕｒｅｏｆｐｒｏｔｅｉｎ．ＴｈｅｐｒｅｄｉｃｔｉｏｎｏｆｓｅｃｏｎｄａｒｙｓｔｒｕｃｔｕｒｅｉｓｔｈｅｂａｓｅｏｆｓｅｔｔｉｎｇｕｐａｍｏｄａｌｏｆｔｅｒｔｉａｒｙｓｔｒｕｃｔｕｒｅｏｆｐｒｏｔｃｉａＩｎｔｈｅｓｃｉｓｎ血ｔｓｈａｖｅｍａｄｅｇｒｅａｔｅｆｆｏｒｔｓｔｏｓｏｌｖｅｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｅｒｅ７Ｓｐａｓｔｔｗｅｎｔｙｙｅａｒｓ，ａｌｔｈｏｕｇｈＤ－Ｏｉｄｅａｌｍｓｕｋｈａｖｉｕｇｂｅｅｎａｃｈｉｅｖｅｄ．Ｔｏｎｏｗａｄａｙｓ，ｔｈｅｂｅｓｔｍｅｔｈｏｄｃａｎｏｎｌｙｇｅｔｔｈｅａｃｃｕｒａｃｙｏｆ６３％ｗｈｉｃｈｉｓｆａｒａｗａｙｆｒｏｍｗｈａｔｗｅｗａｎｔＩｎｍｙｔｈｅｓｉｓ，ｔＷＯｏｘｐｌｏｒｅｓｈａｖｅｂｅｅｎｄｏｎｅｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｍ＇ａｃｙｏｆｐｒｅｄｉｃｔｉｏｎｏｆｐｒｏｔｅｉｎｓｅｃｏｌｌｄａｒｙｓｔｒｕｃｔｕｒｅ：ｆｉｒｓｔｌｙ，ＷＣａｐｐｌｙｇｅｎｅｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍｔｏｐｒｅｄｉｃｔｐｒｏｔｅｉｎｓｅｃｏｎｄａｒｙｓｔｒｅｃｔｕｒｅ．Ｓｅｃｏｎｄｌｙ，ｗｅｃｏｎｓｉｄｅｒｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅｎｅｉｇｈｂｏｒｉｎｇｒｅｓｉｄｕｅｓｉｎｔｈｅｓａｍｅｓｅｃｏｎｄａｒｙｄｎｌｄｈ№．Ｔｈｅｔｈｅｓｉｓｃｏｎｓｉｓｔｓｏｆｔｌ瞅ｃｈａｐｔｅｒｓ．Ｉｎｃｈａｐｔｅｒ１．ｗｅｉｎｔｒｏｄｕｃｅｔｈｅｈｉｓｔｏｒｙｏｆｔｈｅｐｒｏｂｌｅｍａｎｄｓｏｍｅｉｍｐｏｒｔａｎｔｒｅｓｕｌｔｓ．Ｉｎｃｈａｐｔｅｒ２，ｗｅｇｉｖｅｓｏｍｅｋｎｏｗｌｅｄｇｅａｂｏｕｔｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｇｅｎｔ：ｔｉｎａｌｇｏｒｉｔｈｍ，ａｎａｌｙｓｉｓｔｈｓｉｒｍｅｒｉｔｓａｎｄｓｈｏｒｔ∞ｍｍｇｓ，ｏｐｔｉｍｉｚｅｎｅｕｒａｌｎｅｔｗｏｒｋ’Ｓｃｈｏｉｃｅｏｆｗｅｉｇｂ担ｂｙｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ’ａｎｄｔｈｅｎｇｃｎａｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｃ０衄曲Ⅻ：ｔｅｄ＇ｗｈｉｃｈｃ缸ｇｌｌａｒａｎ慨位缸留如ｇｏｉｎｇｔｏｗａｒｄｓｔｈｅｇｌｏｂａｌｏｐ在ｍａｌ．ｍｃｈａｐｔｅｒ３，ｗａｐｐｌｙｇｅｎｅｔｉｃｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｐｒｏｍｉｎｓｅｃｏｎｄａｒｙｓｔｒｎｃｔｕｒｃ，ｅｘ＃ａｍｈｏｗｔｏｃｏｄｅｔｈｅｉｎｐｕｔａｎｄｏＩＩｌｐｌ吐ｌａｙｅｒｓ，ｇｉｖｅｓｔｕｄｙａｎｄｔｅｓｔｄａｔａａｎｄｔｈｅｍｅｔｈｏｄｏｆｅｖａｌｕａｔｉｏｎｏｆｒｅｓｕｌｔｓ．ＷｅｇｉｖｅｔｈｅｒｅｓｕｌｔｏｆｏｒｉｇｉⅡａｌｍｏｄｅｌａＳｗｄｌ∞ｄｅｂａｔｏｔｈｅｉｎｆｌｕｅｎｃｅｏｆｃｈ觚｛面ｇｏｆｎｅｕｒａｌｎｅ栅ｏｒｋｐａｒａｍｅｔｅｒｓｔｍｖａｒｄｓｔｈｅｐｒｅｄｉｃｌｉｏｎａｃｃｕｒａｃｙ．Ｉｎｃｈａｌｅｔ４，ｗｅｓｔｕｄｙｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅｎｅｉｇｈｂｏｒｉｎｇｒｅｓｉｄｕｅｓｉｎｔｈｅ￥ａｉｌｌｅＳｅ∞ＯＢｄａｒｙｓｔｒｕｃｔｕｒｅｂａｓｉｎｇｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｎｅｗｍｏｄｅｌｇｒｅａｔｌｙｉｍｐｒｏｖｅｄｔｈｅａｃｃｕｒａｃｙｏｆｐｒｅｄｉｃｔｉｏｎｏｆ口－ｈｅｌｉｘ．Ａｔｌａｓｔ，ＷｅｇｉｖｅｔｈｅｃｏｍｐａｒｉｎｇｒｅｓｕｌｔｓｏｆｍｙＫｅｙＷｏｒｄｓ：ｐｒｏｔｅｉｎｓｅｃｏｎｄａｒｙｓｔｒｕｃ缸ｅｐｒｅｄｉｃｔｉｏｎ／ｎｅｕｒａｌｎｅｔｗｏｒｋ／ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ武汉大学硕士学位论文·蛋白质＝级结构预测第一章引言§１．１问题的历史起源分子生物学的兴起首先建立在对组或生物体的基本物质的认识上．构成生物体的物质种类很多，但其中最重要的无疑是蛋白质和核酸（［１］）．蛋白质是生命活动的主要承担者．一切生命活动无不与蛋白质有关．新陈代谢是生命活动的主要特征，而构成新陈代谢的所有化学变化都是在酶的催化下进行的．除最近发现的极少数具有催化功能的核糖核酸以外，所有的酶都是蛋白质．生物体的各种活动，如生长、运动、呼吸、免疫、消化、光合作用，以及对外界环境变化的感知并作出必要的反应等，都必须依靠蛋白质来实现．虽然遗传信息的携带者是核酸，但是遗传信息的传递和表达不仅仍然是在酶的催化之下，并且也是在各种蛋白质的调节控制之下进行的（［７］）．所有的蛋白质都由２０种氨基酸组成，它们的名称见表ｌ（［１０］），结构示意图见图１．每一个蛋白质都有它自己特有的～定的氨基酸组成和氨基酸排列顺序．在蛋白质中出现的氨基酸是一类特殊的氨基酸，其氨基和羧基都在口一碳原子上，其中Ｒ称为侧链．Ｒ不同氨基酸就不同．ｏＩＨ—Ｎ—Ｃ—Ｃ—ｏ—Ｈ』１０ＨＨｏ图１氨基酸结构示意圈武汉大学硕士学位论文·蛋白质二级结构预测此外，还用Ｘ（Ｘａａ）表示任意一种氮基酸．其它字母不被使用肽链是以相邻氨基酸的羧基和氨基脱水生成的肽键（一∞一Ⅳ日■相连而成的．一个蛋白质分子一般有一条或几条多肽链，每条多肽链大约含有几十到几百个氨基酸残基．蛋白质分子的重要结构特征是具有层次性．一级结构是指组成蛋白质的２０种不同氨基酸的排列顺序．蛋白质的一级结构是蛋白质分子结构的基础，包含着结构的全部信息，影响着蛋白质分子构象的所有层次．蛋白质是在水溶液的环境中行使其生物功能的，为减小其疏水侧链与水介质的相互作用．蛋白质形成空间结构必须遵循的重要原则是：将疏水侧链埋入分子内部，而将亲水主侧链暴露在表面．由于蛋白质主链上每一个肽单位都有一个氢键的给体（Ⅳ日）和一个氢键的受体（Ｃ＝０），主链是高度２亲水的．在将疏水侧链埋入分子内部的同时，必然将亲水的主链也埋入内部为解决这一矛盾，自然界在进化的过程中，选择了非常聪明的策略，就是在分子内部形成二级结构．研究表明，多肽主链的若干肽段可以形成有规则的构象，而其他的一些肽段有的也可能形成无规则的构象．其中，最重要的有口一螺旋、口一折叠和无规则卷曲Ｃｏｉｌ（［７］、［８］）．图４卷曲结构示意围剿斛潮瀚Ｈ蕊剃黼畦ｉ雠ｅ目§器熙曲睛龇ｅ图３夕一折叠结构示意图口一螺旋是多链的一种螺旋形的排布形式，肽链绕着一根中轴旋转，每一个氨基酸残基都沿轴旋转１００。