论文部分内容阅读
对蛋白质二级结构进行预测,有助于理解蛋白质的三级结构,进而理解蛋白质的生物功能和蛋白质分子之间的相互作用关系。围绕蛋白质二级结构预测问题,涌现出了大量的计算生物学研究方法,包括基于统计学和机器学习的方法,比如支持向量机、条件随机场、贝叶斯方法等,以及基于深度学习的方法来预测蛋白质二级结构,比如深度玻尔兹曼机方法、卷积神经网络方法和循环神经网络方法。目前对于蛋白质二级结构预测的研究一般采用人工特征提取,难以捕获蛋白质序列特征和二级机构之间的复杂非线性关系。本文模型实现条件随机场和深度神经网络集成,既考虑相邻残基和长程相互作用关系,又能对蛋白质序列的特征和二级结构之间的复杂非线性关系进行描述。由于卷积神经网络是硬编码的,对于捕获蛋白质序列的空间结构不够优化,尤其是对于结构长程相互作用来说效果不佳。为了更好的对蛋白质中的长程相互作用进行建模,实验中结合改进的循环自动编码器来实现。通过自编码器、卷积神经网络、双向循环神经网络等结构得到高层的序列特征信息,然后输入给条件随机场分类器来预测蛋白质二级结构。本实验的数据集采用CB513和Cull PDB公共数据集,采用PSSM打分矩阵进行特征的提取,并对比了其他特征提取方法的优劣。通过实验,本模型能够在Cull PDB数据集上实现72.5%的Q8精度,在CB513数据集上实现了 67.5%的Q8精度。实验结果表明,相比传统的统计学方法和机器学习方法,由于本文模型采用深度神经网络结构训练序列和二级结构的复杂非线性关系,并结合条件随机场进行分类,能够取得不错的效果。