基于深度学习的蛋白质二级结构预测.pdfVIP

第32卷 第1期 计 算 机 仿 真 2015年1月 文章编号：1006—9348(2015)01—0392—05 基于深度学习的蛋 白质二级结构预测 张安胜 ，王爱平 ， (安徽大学计算机科学与技术学院，安徽 合肥230601) 摘要：后基因组时代的到来，蛋白质的数据量急剧增长。为对蛋白质结构进行准确预测，提出了一种深度学习的方法，来预 测蛋白质的二级结构分类问题。采用由近似熵、疏水模式以及图像特征组成的伪氨基酸组分方法，来提取蛋白质序列的特 征；预测模型采用了5层的深度玻尔兹曼机 (DBM)+分类层 ，5层的DBM组成了4个 RBM，分类层采用 softln~tx分类器；同时 采用了非监督学习和监督学习作为预测模型的训练策略。与现有预测方法相比，提出的预测方法，比目前较好的支持向量 机 (SVM)，人工神经网络 (ANN)精度均要高。实验结果表明，提出的改进方法具有很好的可行性和有效性。 关键词：深度学习；蛋白质结构预测；伪氨基酸组分；蛋白质分类 中图分类号：TP302 文献标识码：B PredictionProteinStructureClasswithDeepLearning ZHANG An-sheng，WANG Ai-ping (CollegeofComputerScienceandTechnology，AnhuiUniversity，HeofiAnhui230601，China) ABSTRACT：Withtheadventofthepost-genomeera，theamountofproteindatainthedatabasehasachievedarap· idgrowth．Thepredictionofproteinstructureclassesbecomesmoreimportantforproteinr℃seaI℃h．Inthispaper．we proposedanew methodtopredictproteinstructureclasses，whichwasbasedonthedeeplearning．Intermsoffeature extraction，thePseAA componentswereadoptedonthebasisoftheapproximateentropy，hydrophobicitypattern as wellassomepicturefeatures．ThepredictivemodelhasadoptedaDeepBohzmannMachine(DBM，5-layers)anda classificationlayer，whichbuiltfourRBMs．Theclassificationlayerwasasoftmaxclassifier．Unsupervisedlearning andsupervisedlearningwereadoptedasthetrainingstrategyforpredictivemode1．Comparedwiththecurrentpredic— tionmethods，ouralgorithm ismoreexactthna othermethodssuchasSVM andANN．Theresultshowsthatthepro— posedmethodisviableandeffect． KEYW ORDS：Deeplearning；Proteinstructureprediction；Pseudoaminoacid；Proteinstructuralclass 1 引言 用测试集测试模型的效果。 蛋白质是生命活动的基本单位，其结构决定 了功能，对 蛋白质序列的特征提取常用方法有2种：氨基酸组分 蛋白质结构的研究有助于对其功能的研