一種多功能抗微生物肽的最優(yōu)多標(biāo)記集成預(yù)測方法
【專利摘要】本發(fā)明屬于生物信息學(xué)領(lǐng)域，涉及一種多功能抗微生物肽的最優(yōu)多標(biāo)記集成預(yù)測方法。其步驟如下：基于抗微生物肽的氨基酸序列信息，采用偽氨基酸組成向量化方法，抽取抗微生物肽的多種不同維度的偽氨基酸組成特征向量；應(yīng)用多標(biāo)記分類算法在生成的所有不同維度的偽氨基酸組成特征向量上，訓(xùn)練出多個(gè)不同的多標(biāo)記分類器；從所得的多標(biāo)記分類器中，分別為抗微生物肽的每種功能類型篩選出最優(yōu)多標(biāo)記分類器子集；把待預(yù)測肽序列輸入分類器子集中，執(zhí)行加權(quán)多數(shù)投票融合策略，獲得該肽序列的N種功能類型的歸屬。本發(fā)明不需要事先確定最優(yōu)的特征參數(shù)組合，避免建模時(shí)通過大量遍歷實(shí)驗(yàn)選取最優(yōu)特征參數(shù)組合，既增加預(yù)測方法的實(shí)用性，又提高建模的效率。
【專利說明】
-種多功能抗微生物化的最優(yōu)多標(biāo)巧集成預(yù)測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于生物信息學(xué)領(lǐng)域，設(shè)及抗微生物膚功能預(yù)測領(lǐng)域，尤其設(shè)及一種多功 能抗微生物膚的最優(yōu)多標(biāo)記集成預(yù)測方法。
【背景技術(shù)】
[0002] 抗微生物膚，也叫做宿主防御膚，是生物體先天免疫系統(tǒng)的一類重要生物大分子。 它們存在于幾乎所有生物體中，保護(hù)生物體自身免受致病菌的感染?？刮⑸锬w具有天然 免疫特性，是傳統(tǒng)抗生素藥物的絕佳替代品，可W解決抗生素的耐藥性問題。
[0003] 隨著后基因組時(shí)代大量蛋白質(zhì)序列的產(chǎn)生，已知是抗微生物膚的序列和未知的蛋 白質(zhì)序列之間的差距越來越大。實(shí)驗(yàn)確認(rèn)哪些蛋白質(zhì)序列是抗微生物膚W及搞清楚它們的 功能類型變得越來越不可行，迫切的需要開發(fā)基于序列的計(jì)算預(yù)測工具W便快速而準(zhǔn)確地 識別抗微生物膚和它們的功能類型。目前為止，已經(jīng)有一些計(jì)算預(yù)測工具出現(xiàn)。該領(lǐng)域的第 一個(gè)工作出現(xiàn)在2007年，通過利用隱馬爾科夫模型化歷S) ,Fjell等人（Fjell，C.D.， Hancock,R.E.,Cherkasov,A.AMPer:a database and an automated discovery tool for antimicrobial P邱tides. Bioinformatics, 2007,23:1148-1155)開發(fā)了AMPer方法識別抗 微生物膚。同年，Lata等人開發(fā)了一個(gè)AntiBP預(yù)測器化ata,S. ,Sha;rma,B.K. ,Raghava， G.Analysis and prediction of antibacterial peptides.BMC Bioinformatics,2007, 8:263)，僅用于識別抗菌膚。該方法主要分析了抗菌膚和非抗菌膚的氨基酸組成，并且利用 N端，C端和全長序列的氨基酸組成作為輸入特征，取得了很好的性能。他們于2010年又改進(jìn) 了AntiBP預(yù)測器，開發(fā)了更新版本的AntiBP2預(yù)測器化ata , S . ,Mishra ,N. ,Raghava， G.AntiBP2:improved version of antibacterial peptide prediction . BMC Bioinformatics,2010,11 :S19)，該預(yù)測器還增加了對抗菌膚種屬類別的預(yù)測。Wang等人 (Wang,P.,Hu,L.,Liu,G.,et al.Prediction of antimicrobial peptides based on sequence alignment and feature selection methods,PLoS 0NE,2011,6:el8476)通過 結(jié)合序列比對和特征選擇方法，開發(fā)了一個(gè)新的抗微生物膚預(yù)測方法。趾osravian等人 (Khosravian,!.,Faramarzi,F.K.,Beigi,M.M.,et al.Predicting antibacterial peptides by the concept of Chou's pseudo-amino acid composition and machine learning methods.Protein and Peptide Letters,2013,20(2) :180-186)提出使用偽氨 基酸組成和機(jī)器學(xué)習(xí)方法預(yù)測抗微生物膚的方法，也取得了令人滿意的性能。除了開發(fā)計(jì) 算預(yù)測工具之外，研究人員也提出了一些抗微生物膚數(shù)據(jù)庫。Wang等人于2004年構(gòu)建了一 個(gè)抗微生物膚數(shù)據(jù)庫APD(Wang,Z.,Wang,G.APD:the antimicrobial peptide database .Nucleic Acids Research，2004，32:D590-D592)，并于2009年發(fā)布該數(shù)據(jù)庫的第 二片反APD2(Wang,G.,Li,X.,Wang,Z.APD2:the updated antimicrobial peptide database and its application in peptide design.Nucleic Acids Research,2009,37:D933- D937)，并且提供抗微生物膚的預(yù)測接口。Thomas等人(Thomas,S.，Karnik，S. ,Barai，R.S.， et al.CAMP:a useful resource for research on antimicrobial peptides,Nucleic Acids Research,2010,38:0774-80)也建立了一個(gè)有用的數(shù)據(jù)庫資源CAMP(Collection of Anti-Microbial Peptides)幫助研究人員更好的研究分析抗微生物膚?；贑AMP中的實(shí)驗(yàn) 驗(yàn)證的膚數(shù)據(jù)，他們也利用=種機(jī)器學(xué)習(xí)算法(支持向量機(jī)，判別分析和隨機(jī)森林)開發(fā)了 計(jì)算預(yù)測工具。
[0004] 上面提到的運(yùn)些預(yù)測工具和數(shù)據(jù)庫推動了該領(lǐng)域的快速發(fā)展。但是，它們都只關(guān) 注于預(yù)測一個(gè)氨基酸序列是否是抗微生物膚。隨著研究的逐步深入，需要往更加深入的層 次探索抗微生物膚。不僅要能夠識別抗微生物膚，而且還要能夠識別出它們的功能類型。實(shí) 際上，許多抗微生物膚不止有一個(gè)功能，而是執(zhí)行多種生物功能(Lai,Y. ,Gallo,R丄.AMPed up immunity:how antimicrobial peptides have multiple roles in immune defense . Trends in Immunology ,2009,30(3):131-141)。例如，大樸鈴贍（Bombina maxima)的算瓜巧毒蛋白（maximins)具有抗細(xì)菌，抗真菌和抗HIV病毒的功能（Thomas，S.， Karnik,S. ,Barai,R.S. ,et al. CAMP:a useful resource for research on antimicrobial peptides,Nucleic Acids Research,2010,38:0774-80)。然而，上面所述 的預(yù)測方法都無法同時(shí)預(yù)測出抗微生物膚的多種功能。特別地，深入分析運(yùn)些多功能抗微 生物膚對抗生素替代藥物的研制具有極其重要的意義。到目前為止，僅有一個(gè)預(yù)測器可W 同時(shí)識別抗微生物膚的多種功能。該預(yù)測器iAMP-2L(Xiao，X.，Wang，P.，Lin，W.Z.，et al.iAMP-2L:A two-level multi-label classifier for identifying antimicrobial peptides and their functional types.Analytical Biochemistry,2013,436:168-177) 是由Xiao等人最近開發(fā)，采用偽氨基酸組成方法抽取特征向量，然后利用一個(gè)多標(biāo)記最近 鄰算法來預(yù)測抗微生物膚的多種功能。然而，該預(yù)測器在進(jìn)行預(yù)測建模時(shí)，僅采用了單個(gè)多 標(biāo)記預(yù)測算法，致使預(yù)測性能較差，并且通過枚舉遍歷方法確定抽取特征時(shí)的最佳參數(shù)，導(dǎo) 致建模效率低下。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種多功能抗微生物膚的最優(yōu)多標(biāo)記集成預(yù)測方法，旨在 解決現(xiàn)有預(yù)測方法對多功能類型的抗微生物膚預(yù)測效果不佳，W及建模效率低下的問題。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明采用W下技術(shù)方案：
[0007] -種多功能抗微生物膚的最優(yōu)多標(biāo)記集成預(yù)測方法，其步驟如下：
[0008] (1)基于抗微生物膚的氨基酸序列信息，采用偽氨基酸組成向量化方法，依據(jù)不同 的參數(shù)組合，抽取出抗微生物膚的多種不同維度的偽氨基酸組成特征向量；
[0009] (2)應(yīng)用多標(biāo)記分類算法在步驟（1)生成的所有不同維度的偽氨基酸組成特征向 量上，訓(xùn)練出多個(gè)不同的多標(biāo)記分類器；
[0010] (3)從步驟(2)中所得的所有多標(biāo)記分類器中，利用遺傳算法，分別為抗微生物膚 的每種功能類型篩選出N組最優(yōu)多標(biāo)記分類器子集；
[0011] (4)把待預(yù)測膚序列輸入到步驟(3)篩選出的N組最優(yōu)多標(biāo)記分類器子集中，分別 執(zhí)行加權(quán)多數(shù)投票融合策略，獲得該膚序列的N種功能類型的歸屬。
[0012] 所述步驟(1)中，偽氨基酸組成向量化方法如下：
[0013] 生物膚的序列是由20種基礎(chǔ)氨基酸隨機(jī)排列組合組成，運(yùn)20種基礎(chǔ)氨基酸分別由 英文字母A、C、D、E、F、G、H、I、K、L、M、N、P、Q、R、S、T、V、W和 Y表示；
[0014]偽氨基酸組成法是一種有效地向量化抗微生物膚序列的方法，其公式如下：
[001 引 P = [Pl , P2 , ? ? ? , P20 , P20+1, ? ? ? , 920+? ? A]T
[0016] 其中，P表示抗微生物膚序列，前20維Pi，P2,…，P20表示20種基礎(chǔ)氨基酸在膚序列 中的比例，后C ? A維表示膚序列中氨基酸之間的順序信息；
[0017] Pi(i = l，2,…，20+C ? A)的計(jì)算公式如下：
[001 引
[0019] 其中，fi(i = l，…，20)分另懐示這20種基礎(chǔ)氨基酸在膚序列中的比例，W表示膚序 列中氨基酸之間的順序信息的權(quán)重，? A)表示膚序列的順序相關(guān)因子，膚序列 中氨基酸之間的順序信息近似地通過一系列序列順序相關(guān)因子來表示，屯? A)的 計(jì)算公式如下：
[0020]
[0021]其中C為選用的氨基酸屬性的數(shù)量，A為膚序列中的最大相關(guān)層數(shù)，L為膚序列的長 度，也就是組成膚序列的氨基酸數(shù)量，R康示膚序列中的第i個(gè)氨基酸，= …，O為基 于第j個(gè)氨基酸屬性的相關(guān)性函數(shù)，相關(guān)性函數(shù)為膚序列中兩個(gè)氨基酸的屬性值的乘積。
[0022] 所述步驟（I)中，采用偽氨基酸組成向量化方法，依據(jù)不同的參數(shù)組合，抽取抗微 生物膚的多種不同維度的偽氨基酸組成特征向量的方法如下：限定從W下6種氨基酸屬性 中選取，分別為① hy化ophobicity、②hy化ophilicity、③mass、④pK(alpha-COOH)、⑤地 (NH3)和⑥pl(at 25°C)，然后設(shè)定A的最大取值為4,由此可W得到，參數(shù)巧化的所有可能組 合的個(gè)數(shù)為
\;依據(jù)252種不同的參數(shù)組合，為抗微生 物膚抽取252種不同的偽氨基酸組成特征向量。
[0023] 所述步驟(2)中，多標(biāo)記分類算法采用多標(biāo)記最近鄰算法MLK順。
[0024] 所述步驟(2)中，使用多標(biāo)記最近鄰算法MLK順對252種特征向量集進(jìn)行訓(xùn)練，訓(xùn)練 出252個(gè)不同的多標(biāo)記MLKr^N分類器，其中，每一個(gè)MLKr^N分類器對應(yīng)一種偽氨基酸參數(shù)組合 抽取的特征向量集，公式如下：
[0025] {M化順（1)，M化順（2)，…，M化順（252)}。
[0026] 所述步驟(3)中，使用遺傳算法分別為抗微生物膚的每種功能類型篩選最優(yōu)的多 標(biāo)記分類器子集，其中，遺傳算法需要確定個(gè)體的表示形式和適應(yīng)度函數(shù)：
[0027] a.種群中的個(gè)體采用n維布爾向量的形式表示，n = 252XN，該n維布爾向量被分成 N組，每組對應(yīng)一種功能類型，每組由252維組成，每維對應(yīng)1個(gè)多標(biāo)記分類器，對于給定的個(gè) 體11，11^)(1《^《11)為1表示選擇第^個(gè)多標(biāo)記分類器，反之，11^)(1《^《11)為0表示去除第 X個(gè)多標(biāo)記分類器；
[0028] b.給定個(gè)體h，適應(yīng)度函數(shù)的適應(yīng)度采用如下方式進(jìn)行計(jì)算:首先，基于個(gè)體h提供 的多標(biāo)記分類器指示信息，挑選出與每種功能類型相關(guān)的多標(biāo)記分類器，然后，使用10倍交 叉驗(yàn)證法確定個(gè)體的適應(yīng)度值，適應(yīng)度采用多標(biāo)記絕對精度來衡量，返回適應(yīng)度值最大的 個(gè)體對應(yīng)的腺且分類器子集；
[0029] C.通過遺傳算法進(jìn)行多標(biāo)記分類器選擇后，獲得N組最優(yōu)分類器子集，每組對應(yīng)一 種功能類型：
[0030]
[0031] 其中，Qi是第1種功能類型的最優(yōu)分類器子集，包含Mi個(gè)多標(biāo)記分類器，Q 2是第2 種功能類型的最優(yōu)分類器子集，包含M2個(gè)多標(biāo)記分類器，W此類推。
[0032] 所述步驟(4)中，把待預(yù)測膚序列輸入到步驟(3)篩選出的N組最優(yōu)分類器子集中， 分別執(zhí)行加權(quán)多數(shù)投票融合策略，獲得該膚序列的N種功能類型的歸屬，操作方法如下:基 于步驟(3)選取的最優(yōu)分類器子集所對應(yīng)的偽氨基酸參數(shù)組合，抽取待預(yù)測膚序列的特征 向量，把待預(yù)測膚序列的特征向量分別輸入到對應(yīng)地MLKrw分類器中，獲得相應(yīng)的預(yù)測結(jié) 果，對每組最優(yōu)分類器子集在每種功能類型上的預(yù)測結(jié)果，進(jìn)行加權(quán)多數(shù)投票融合，預(yù)測出 該膚序列所屬的功能類型。
[0033] 本發(fā)明的有益效果在于：
[0034] (1)提出多標(biāo)記最優(yōu)集成算法，分別為每個(gè)功能類型篩選最優(yōu)多標(biāo)記分類器子集， 通過該算法構(gòu)建的預(yù)測器預(yù)測性能比現(xiàn)有采用單一多標(biāo)記分類器的方法提高7% W上，具 有較強(qiáng)的推廣和應(yīng)用價(jià)值；
[0035] (2)本發(fā)明方法不需要事先確定最優(yōu)的特征參數(shù)組合，避免建模時(shí)通過大量遍歷 實(shí)驗(yàn)選取最優(yōu)特征參數(shù)組合，既增加預(yù)測方法的實(shí)用性，又提高建模的效率。
【附圖說明】：
[0036] 圖1是本發(fā)明多功能抗微生物膚的最優(yōu)多標(biāo)記集成預(yù)測方法的步驟流程圖。
【具體實(shí)施方式】
[0037] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并 不用于限定本發(fā)明。
[0038] -種多功能抗微生物膚的最優(yōu)多標(biāo)記集成預(yù)測方法，如圖1所示，包括W下步驟：
[0039] 步驟SOI、基于抗微生物膚的氨基酸序列信息，采用偽氨基酸組成(PseAAC)向量化 方法，依據(jù)不同的參數(shù)組合，抽取出抗微生物膚的多種不同維度的偽氨基酸組成(PseAAC) 特征向量；
[0040] 步驟S02、應(yīng)用多標(biāo)記分類算法在步驟（1)生成的所有不同維度的偽氨基酸組成 (PseAAC)特征向量上，構(gòu)建出多個(gè)不同的多標(biāo)記分類器；
[0041] 步驟S03、利用遺傳算法分別為抗微生物膚的每種功能類型，從步驟(2)中所得的 所有多標(biāo)記分類器中篩選出最優(yōu)的多標(biāo)記分類器子集，通過遺傳算法進(jìn)行多標(biāo)記分類器選 擇后，將得到N組最優(yōu)多標(biāo)記分類器子集，每組對應(yīng)一個(gè)功能類型；
[0042] 步驟S04、把待預(yù)測膚序列輸入到步驟(3)篩選出的N組最優(yōu)分類器子集中，分別執(zhí) 行加權(quán)多數(shù)投票融合策略，即可獲得該膚序列所屬的功能類型。
[0043] 在本發(fā)明實(shí)施例中，在步驟SOl中，偽氨基酸組成(PseAAC)向量化方法如下：
[0044] 抗微生物膚的序列是由20種基礎(chǔ)氨基酸隨機(jī)排列組合組成，運(yùn)20種基礎(chǔ)氨基酸分 別由英文字母A、C、D、E、F、G、H、I、K、L、M、N、P、Q、R、S、T、V、W和 Y表示。
[0045] 偽氨基酸組成(PseAAC)法是一種有效地向量化抗微生物膚序列的方法，其公式如 下：
[0046] P = [Pl , P2 , ? ? , P20 , P20+1, ? ? , P20+^ ? A(1)
[0047] 其中，P表示抗微生物膚序列，前20維Pi，p2,…，P20表示20種基礎(chǔ)氨基酸在膚序列 中的比例，后C ? A維表示膚序列中氨基酸之間的順序信息，因?yàn)榍?0維特征將膚序列的順 序關(guān)系全部丟失，所W采用后C -A維描述序列中氨基酸的前后順序關(guān)系。Pia = I,2,…，20 +C-A)的計(jì)算公式如下：
[004引
（2)
[0049]其中，fia = l，…，20)分別表示運(yùn)20種基礎(chǔ)氨基酸在膚序列中的比例，W表示膚序 列中氨基酸之間的順序信息的權(quán)重，? A)表示膚序列的順序相關(guān)因子，膚序列 中氨基酸之間的順序信息近似地通過一系列序列順序相關(guān)因子來表示，屯? A)的 計(jì)算公式如下：
[(K)加 ]
(:3)
[0051] 其中C為選用的氨基酸屬性的數(shù)量，A為膚序列中的最大相關(guān)層數(shù)，L為膚序列的長 度，也就是組成膚序列的氨基酸數(shù)量，R康示膚序列中的第i個(gè)氨基酸，= …，O為基 于第j個(gè)氨基酸屬性的相關(guān)性函數(shù)，運(yùn)里的相關(guān)性函數(shù)為膚序列中兩個(gè)氨基酸的屬性值的 乘積。
[0052] 在本發(fā)明實(shí)施例中，在步驟SOl中，采用偽氨基酸組成(PseAAC)向量化方法，依據(jù) 不同的參數(shù)組合，抽取抗微生物膚的多種不同維度的偽氨基酸組成特征向量，具體方法如 下：
[005引首先限定從W下6種氨基酸屬性中選取，分別為① hydrophobicity，② hyhwhilicity，③mass，④地(alpha-COOH)，⑤地(NH3)，⑥pi (at 25°C )，然后設(shè)定A的最 大取值為4,因?yàn)樗糜?xùn)練集中最短膚序列長度為5,由此可W得到，參數(shù)C和A的所有可能組 合的個(gè)數(shù)為
K依據(jù)運(yùn)252種不同的參數(shù)組合，為抗微 生物膚抽取252種不同的偽氨基酸組成特征向量。
[0化4] 在本發(fā)明實(shí)施例中，在步驟S02中，多標(biāo)記分類算法優(yōu)選多標(biāo)記最近鄰算法MLK順。 [0化5] 在本發(fā)明實(shí)施例中，在步驟S02中，使用多標(biāo)記最近鄰算法MLK順對252種特征向量 集進(jìn)行訓(xùn)練，訓(xùn)練出252個(gè)不同的多標(biāo)記MLK順分類器，其中，每一個(gè)MLK順分類器對應(yīng)一種 偽氨基酸組成參數(shù)組合抽取的特征向量集，如下所示：
[0056] {]?化順（1)，]\1化順（2)，...，]\1化順（252)} (4)
[0057] -種簡單的構(gòu)造多標(biāo)記集成分類器的方法是把它們的結(jié)果按照加權(quán)多數(shù)投票的 方式融合起來，可W得到W下的多標(biāo)記集成分類器：
[0化引
（5)
[0059] 其中，貨表示集成符號，(C。"表示由M化順（1 )，M化順(2 )，…，M化順(252)通過加權(quán) 多數(shù)投票構(gòu)成的多標(biāo)記集成分類器。
[0060] 給定待預(yù)測膚序列P，通過多標(biāo)記集成分類器預(yù)測其所屬的功能類型集合的方法 有別于傳統(tǒng)的多類集成分類器，需要針對每種功能類型分別進(jìn)行加權(quán)多數(shù)投票融合。假設(shè) yp是待預(yù)測膚序列P的功能類型向量，當(dāng)預(yù)測得到y(tǒng)p(t) = l時(shí)表明該膚序列P屬于功能類型 t，否則該膚序列P不屬于功能類型t。設(shè)多標(biāo)記集成分類器(CaB中各個(gè)體分類器對功能類型t 的預(yù)測結(jié)果分別為卑為，…，瑪。*即：
[006。
(6)
[00創(chuàng)其中，譚=1隸示個(gè)體分類器M化順(i)預(yù)測該膚序列P屬于功能類型t，巧=0表示 個(gè)體分類器MLkNN(i)預(yù)測該膚序列P不屬于功能類型U該膚序列P屬于功能類型t的得分 為：
[0063]
口')
[0064] 其中，wei曲ti為權(quán)重系數(shù)，為簡單起見，運(yùn)里設(shè)所有權(quán)重都為1/252,即集成中的 所有個(gè)體分類器同等重要，簡化為多數(shù)投票法。在該實(shí)施例中，抗微生物膚共有5種可能的 功能類型。基于式(7)，得分(Score)大于0.5的功能類型即為該膚序列P的功能類型。
[0065] 然而，針對每個(gè)功能類型分別進(jìn)行加權(quán)多數(shù)投票融合時(shí)，所需要的最優(yōu)分類器組 合是不同的，而像上面那樣，對每個(gè)功能類型不加選擇的使用所有分類器進(jìn)行融合，勢必會 損害預(yù)測準(zhǔn)確度。
[0066] 故而，在本發(fā)明實(shí)施例中，在步驟S03中，使用遺傳算法分別為抗微生物膚的每種 功能類型篩選最優(yōu)的多標(biāo)記分類器子集，其中，遺傳算法需要確定個(gè)體的表示形式和適應(yīng) 度函數(shù)：
[0067] 種群中的個(gè)體采用n維布爾向量的形式表示，n = 252X5。具體來說，該n維布爾向 量被分成5組，每組對應(yīng)一種功能類型，每組由252維組成，每維對應(yīng)1個(gè)多標(biāo)記分類器，對于 給定的個(gè)體11，11^)(1《^《11)為1表示選擇第^個(gè)多標(biāo)記分類器，反之，11^)(1《^《11)為0表 示去除第X個(gè)多標(biāo)記分類器。
[0068] 適應(yīng)度函數(shù)(fitness化nction)，給定個(gè)體h，其適應(yīng)度采用如下方式進(jìn)行計(jì)算。 首先，基于個(gè)體h提供的分類器指示信息，挑選出與每種功能類型相關(guān)的分類器，然后，使用 10倍交叉驗(yàn)證法確定個(gè)體的適應(yīng)度值，適應(yīng)度采用多標(biāo)記絕對精度來衡量，返回適應(yīng)度值 最大的個(gè)體對應(yīng)的5組分類器子集。
[0069] 通過遺傳算法進(jìn)行分類器選擇后，獲得5組最優(yōu)分類器子集，每組對應(yīng)一種功能類 型，即
[0070] (8)
[0071] 其中，Q I是第I種功能類型的最優(yōu)分類器子集，包含Ml個(gè)分類器，Q 2是第巧巾功能 類型的最優(yōu)分類器子集，包含M2個(gè)分類器，W此類推。
[0072] 在本發(fā)明實(shí)施例中，在步驟S04中，把待預(yù)測膚序列輸入到步驟S03篩選出的N組最 優(yōu)分類器子集中，分別執(zhí)行加權(quán)多數(shù)投票融合策略，即可獲得該膚序列的功能類型，具體如 下：
[0073] 首先，基于步驟S03選取的最優(yōu)分類器子集所對應(yīng)的偽氨基酸參數(shù)組合，抽取待預(yù) 測膚序列的特征向量，把待預(yù)測膚序列的特征向量分別輸入到對應(yīng)地MLKNN分類器中，獲得 相應(yīng)的預(yù)測結(jié)果，然后，分別對每種功能類型，即對每組最優(yōu)分類器子集在該種功能類型上 的預(yù)測結(jié)果，進(jìn)行加權(quán)多數(shù)投票融合，即可預(yù)測出該膚序列所屬的功能類型。
[0074] 實(shí)驗(yàn)結(jié)果和分析
[00巧]在本發(fā)明實(shí)施例中，采用文獻(xiàn)(Xiao，X.，Wang，P.，Lin，W.Z.，et al.iAMP-化:A two-level multi-label classifier for identifying antimicrobial peptides and their 化nctional types.Analytical Biochemistir,2013,436:168-177)所構(gòu)建的數(shù)據(jù) 集，該數(shù)據(jù)集中包含了抗微生物膚和非抗微生物膚，由于本發(fā)明只關(guān)注識別抗微生物膚的 多功能類型，因而本發(fā)明只使用抗微生物膚數(shù)據(jù)子集，符號表示為S_AMP，S_AMP共包含878 個(gè)抗微生物膚，其中，454個(gè)屬于1個(gè)功能類型，296個(gè)屬于2個(gè)功能類型，85個(gè)屬于3個(gè)功能類 型，30個(gè)屬于4個(gè)功能類型，13個(gè)屬于5個(gè)功能類型。對于每個(gè)功能類型擁有的膚數(shù)量，如下 表1所示：
[0076] 表1數(shù)據(jù)集S_AMP的統(tǒng)計(jì)信息
[0077]
[007引 表2列出了本發(fā)明方法與iAMP-化方法(Xiao，X.，Wang，P.，Lin，W.Z.，et al.iAMP- 2L:A two-level multi-label classifier for identifying antimicrobial peptides and their functional types .Analytical Biochemistry,2013,436:168-177)在上述數(shù) 據(jù)集上的抗微生物膚的多功能類型預(yù)測性能的比較。評價(jià)指標(biāo)采用多標(biāo)記預(yù)測領(lǐng)域常用的 1111八0：、1111口1?6、11111?6(：、111巧1和40：。從表2可^看出，本發(fā)明方法在所有多標(biāo)記性能評價(jià)指標(biāo) 上都超過了目前最好方法iAMP-2L，尤其是，本發(fā)明方法的絕對精度ACC達(dá)到了50% W上，超 過了iAMP-化方法7%左右。由于絕對精度ACC要求非常嚴(yán)格，必須完全正確地預(yù)測出測試膚 序列的所有功能類型才算是預(yù)測正確，任何過預(yù)測或欠預(yù)測都被認(rèn)為預(yù)測錯(cuò)誤，因而可見， 本發(fā)明方法能極大地改進(jìn)多功能抗微生物膚的識別率，而且成功地避免了繁瑣的氨基酸組 成的參數(shù)尋優(yōu)過程。
[0079] 表2本發(fā)明方法和i AMP-化的性能比較
[0080]
[0081] W上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用W限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種多功能抗微生物肽的最優(yōu)多標(biāo)記集成預(yù)測方法，其特征在于:其步驟如下： (1) 基于抗微生物肽的氨基酸序列信息，采用偽氨基酸組成向量化方法，依據(jù)不同的參 數(shù)組合，抽取出抗微生物肽的多種不同維度的偽氨基酸組成特征向量； (2) 應(yīng)用多標(biāo)記分類算法在步驟（1)生成的所有不同維度的偽氨基酸組成特征向量上， 訓(xùn)練出多個(gè)不同的多標(biāo)記分類器； (3) 從步驟(2)中所得的所有多標(biāo)記分類器中，利用遺傳算法，分別為抗微生物肽的每 種功能類型篩選出N組最優(yōu)多標(biāo)記分類器子集； (4) 把待預(yù)測肽序列輸入到步驟(3)篩選出的N組最優(yōu)多標(biāo)記分類器子集中，分別執(zhí)行 加權(quán)多數(shù)投票融合策略，獲得該肽序列的N種功能類型的歸屬。2. 如權(quán)利要求1所述的多功能抗微生物肽的最優(yōu)多標(biāo)記集成預(yù)測方法，其特征在于:所 述步驟(1)中，偽氨基酸組成向量化方法如下： 生物肽的序列是由20種基礎(chǔ)氨基酸隨機(jī)排列組合組成，這20種基礎(chǔ)氨基酸分別由英文 字母A、C、D、E、F、G、H、I、K、L、M、N、P、Q、R、S、T、V、W和 Y表示； 偽氨基酸組成法是一種有效地向量化抗微生物肽序列的方法，其公式如下： P = [pi,P2, ·' ,P20,P20+1, ··· ,Ρ20+ξ·λ]Τ 其中，P表示抗微生物肽序列，前20維P1，ρ2，…，p2Q表示20種基礎(chǔ)氨基酸在肽序列中的比 例，后ξ · λ維表示肽序列中氨基酸之間的順序信息； Pi(i = l，2,…，20+ξ · λ)的計(jì)算公式如下：其中，AG = I,…，20)分別表示這20種基礎(chǔ)氨基酸在肽序列中的比例，w表示肽序列中 氨基酸之間的順序信息的權(quán)重，· λ)表示肽序列的順序相關(guān)因子，肽序列中氨 基酸之間的順序信息近似地通過一系列序列順序相關(guān)因子來表示，· λ)的計(jì)算 公式如下：其中ξ為選用的氨基酸屬性的數(shù)量，λ為肽序列中的最大相關(guān)層數(shù)，L為肽序列的長度， 也就是組成肽序列的氨基酸數(shù)量，R1表示肽序列中的第i個(gè)氨基酸，Ψ』?_ = 1，···，ξ)為基于 第j個(gè)氨基酸屬性的相關(guān)性函數(shù)，相關(guān)性函數(shù)為肽序列中兩個(gè)氨基酸的屬性值的乘積。3. 如權(quán)利要求1所述的多功能抗微生物肽的最優(yōu)多標(biāo)記集成預(yù)測方法，其特征在于:所 述步驟（1)中，采用偽氨基酸組成向量化方法，依據(jù)不同的參數(shù)組合，抽取抗微生物肽的多 種不同維度的偽氨基酸組成特征向量的方法如下:限定從以下6種氨基酸屬性中選取，分別 為① hydrophobicity、②hydrophilicity、③mass、④pK(alpha-COOH)、⑤pK(NH3)和⑥pi (at 25°C)，然后設(shè)定λ的最大取值為4,由此可以得到，參數(shù)ξ和λ的所有可能組合的個(gè)數(shù)為 (戌+ g + C + 0 0 + C66) X 4 = 2:52個(gè);依據(jù)252種不同的參數(shù)組合，為抗微生物肽抽取252 種不同的偽氨基酸組成特征向量。4. 如權(quán)利要求1所述的多功能抗微生物肽的最優(yōu)多標(biāo)記集成預(yù)測方法，其特征在于:所 述步驟(2)中，多標(biāo)記分類算法采用多標(biāo)記最近鄰算法MLKNN。5. 如權(quán)利要求1所述的多功能抗微生物肽的最優(yōu)多標(biāo)記集成預(yù)測方法，其特征在于:所 述步驟(2)中，使用多標(biāo)記最近鄰算法MLKNN對252種特征向量集進(jìn)行訓(xùn)練，訓(xùn)練出252個(gè)不 同的多標(biāo)記MLKNN分類器，其中，每一個(gè)MLKNN分類器對應(yīng)一種偽氨基酸參數(shù)組合抽取的特 征向量集，公式如下： {MLkNN(I)，MLkNN(2)，…，MLkNN(2 5 2)}。6. 如權(quán)利要求1所述的多功能抗微生物肽的最優(yōu)多標(biāo)記集成預(yù)測方法，其特征在于:所 述步驟(3)中，使用遺傳算法分別為抗微生物肽的每種功能類型篩選最優(yōu)的多標(biāo)記分類器 子集，其中，遺傳算法需要確定個(gè)體的表示形式和適應(yīng)度函數(shù)： a. 種群中的個(gè)體采用η維布爾向量的形式表示，n = 252 X N，該η維布爾向量被分成N組， 每組對應(yīng)一種功能類型，每組由252維組成，每維對應(yīng)1個(gè)多標(biāo)記分類器，對于給定的個(gè)體h， h(x) (KxSn)為1表示選擇第X個(gè)多標(biāo)記分類器，反之，h(X) (KxSn)為O表示去除第X個(gè) 多標(biāo)記分類器； b. 給定個(gè)體h，適應(yīng)度函數(shù)的適應(yīng)度采用如下方式進(jìn)行計(jì)算:首先，基于個(gè)體h提供的多 標(biāo)記分類器指示信息，挑選出與每種功能類型相關(guān)的多標(biāo)記分類器，然后，使用10倍交叉驗(yàn) 證法確定個(gè)體的適應(yīng)度值，適應(yīng)度采用多標(biāo)記絕對精度來衡量，返回適應(yīng)度值最大的個(gè)體 對應(yīng)的N組分類器子集； c. 通過遺傳算法進(jìn)行多標(biāo)記分類器選擇后，獲得N組最優(yōu)分類器子集，每組對應(yīng)一種功 能類型：其中，Ω :是第1種功能類型的最優(yōu)分類器子集，包含M1個(gè)多標(biāo)記分類器，Ω 2是第2種功 能類型的最優(yōu)分類器子集，包含此個(gè)多標(biāo)記分類器，以此類推。7. 如權(quán)利要求1所述的多功能抗微生物肽的最優(yōu)多標(biāo)記集成預(yù)測方法，其特征在于:所 述步驟(4)中，把待預(yù)測肽序列輸入到步驟(3)篩選出的N組最優(yōu)分類器子集中，分別執(zhí)行加 權(quán)多數(shù)投票融合策略，獲得該肽序列的N種功能類型的歸屬，操作方法如下:基于步驟(3)選 取的最優(yōu)分類器子集所對應(yīng)的偽氨基酸參數(shù)組合，抽取待預(yù)測肽序列的特征向量，把待預(yù) 測肽序列的特征向量分別輸入到對應(yīng)地MLKNN分類器中，獲得相應(yīng)的預(yù)測結(jié)果，對每組最優(yōu) 分類器子集在每種功能類型上的預(yù)測結(jié)果，進(jìn)行加權(quán)多數(shù)投票融合，預(yù)測出該肽序列所屬 的功能類型。
【文檔編號】G06F19/24GK106021999SQ201610327347
【公開日】2016年10月12日
【申請日】2016年5月17日
【發(fā)明人】王曉, 劉嘉, 張秋聞, 王榕, 郭瑞
【申請人】鄭州輕工業(yè)學(xué)院