專利名稱：蛋白質(zhì)潛在致敏性的預(yù)測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種蛋白質(zhì)特性的計算生物學(xué)預(yù)測方法，尤其是涉及一種蛋白質(zhì)潛在致敏性的預(yù)測方法。
背景技術(shù)：
由食物和環(huán)境因素導(dǎo)致的過敏及其它的超敏反應(yīng)是慢性病的主要成因，全世界約有25%的人口受此困擾。過敏原包括食物中的蛋白質(zhì)、冷空氣、熱空氣、紫外線、金屬等等，其中具有致敏性的蛋白質(zhì)對人類的健康可能造成巨大危害。另外，越來越多的轉(zhuǎn)基因食品進(jìn)入到我們的日常生活中，食物過敏的潛在風(fēng)險也隨之增高。因此，對蛋白質(zhì)的潛在致敏性進(jìn)行評估預(yù)測是十分必要的。目前，計算生物學(xué)的過敏原預(yù)測方法主要有三種，一是基于序列的方法，二是基于motif (模體)的方法，三是基于SVM (支持向量機(jī))的方法。FA0/WH0 (聯(lián)合國糧食與農(nóng)業(yè)組織/世界衛(wèi)生組織)提出的基于序列的預(yù)測方法，其原理是根據(jù)待測蛋白與已知過敏原蛋白在氨基酸序列上的相似度進(jìn)行判別，該方法可以有效地預(yù)測出過敏原蛋白，但其假陽性率非常高；基于motif的預(yù)測方法是比較待測蛋白與過敏原特征motifs，該方法同基于序列的方法相比，一定程度上提高了特異性，減少了假陽性率，但總體準(zhǔn)確率卻只有65%左右，還遠(yuǎn)達(dá)不到實際需求；基于SVM的機(jī)器學(xué)習(xí)方法先建立一個已知過敏原和非過敏原數(shù)據(jù)集，然后計算它們的氨基酸組成，這些氨基酸組成作為特征輸入SVM進(jìn)行訓(xùn)練，最終形成一個訓(xùn)練模型(分類器)，根據(jù)待測蛋白的氨基酸組成，分類器進(jìn)行判斷輸出結(jié)果，該方法大大提高了準(zhǔn)確率，但無法得知過敏原特征信息。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有預(yù)測方法的不足，提供一種用于蛋白質(zhì)潛在致敏性的預(yù)測方法，本發(fā)明提供的方法具有高靈敏度、高特異性的優(yōu)點，并且提供與蛋白質(zhì)致敏特性顯著相關(guān)的特征。本發(fā)明通過如下技術(shù)方案實現(xiàn)，本發(fā)明涉及一種蛋白質(zhì)潛在致敏性的預(yù)測方法，包括以下步驟步驟一，制作訓(xùn)練正集和訓(xùn)練負(fù)集；步驟二，對蛋白質(zhì)的各類屬性進(jìn)行編碼，構(gòu)建用于輸入SVM的特征向量；步驟三，引用最大相關(guān)最小冗余方法(mRMR)進(jìn)行特征排序，引用遞增式的特征選擇方法(IFS)進(jìn)行最優(yōu)特征選擇；步驟四，通過對選擇出的特征進(jìn)行統(tǒng)計分析，給出與蛋白質(zhì)致敏特性顯著相關(guān)的特征結(jié)果報告。優(yōu)選的，所述正集包括所有已知的過敏原蛋白序列；所述負(fù)集制備隨機(jī)抽取Swiss-Prot蛋白質(zhì)序列數(shù)據(jù)庫中的蛋白質(zhì)序列，移除所有同已知過敏原相似度> 30%的序列和長度小于50個氨基酸的序列。
優(yōu)選的，步驟二中，所述屬性的編碼包括以下步驟將二級結(jié)構(gòu)傾向性、疏水性、極化性、可溶性、標(biāo)準(zhǔn)化的范德華體積和極性，按照序列位置中每個氨基酸的分類對蛋白序列進(jìn)行重新編碼。優(yōu)選的，步驟二中，所述構(gòu)建特征向量包括如下步驟整合蛋白質(zhì)的屬性；每類屬性分別計算其特征向量；然后整合成一個156維的表示蛋白質(zhì)的特征向量。優(yōu)選的，步驟三中，所述遞增式的特征選擇方法包括如下步驟首次選用排序最靠前的I個特征進(jìn)行建模，計算其10-折疊交叉驗證的性能參數(shù)，然后選用排序最靠前的2個特征進(jìn)行建模，計算其10-折疊交叉驗證的性能參數(shù)，以此類推，每次增加一個排序在最前面的特征，直至所有特征添加完畢。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果使用本發(fā)明的蛋白質(zhì)潛在致敏性預(yù)測方法，可以準(zhǔn)確判斷出過敏原蛋白，靈敏度和特異性都較之前的方法有了大幅提高。本發(fā)明首次結(jié)合了蛋白質(zhì)的各類特征進(jìn)行訓(xùn)練、建模，可以有效分析出與蛋白質(zhì)致敏特性相關(guān)的蛋白特征。


通過閱讀參照以下附圖對非限制性實施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯圖1為本發(fā)明實施例的流程示意圖；圖2為本發(fā)明實施例中逐一遞增特征的特征選擇下，各訓(xùn)練模型的10折疊交叉驗證的性能輸出圖；圖3為本發(fā)明實施例中與致敏特性相關(guān)的特征分析和統(tǒng)計結(jié)果圖，其中SL :亞細(xì)胞定位，AAC :氨基酸組 成，Pola :極性，Hydr :疏水性，Len :序列長度，NWV :標(biāo)準(zhǔn)化的范德華體積，■:分子量，Polz :極化性；圖4為本發(fā)明實施例中過敏原蛋白亞細(xì)胞定位分布圖；圖5為本發(fā)明實施例中過敏原類別間保守性示意圖；圖6為本發(fā)明實施例提供的預(yù)測方法不同過敏原類別間的性能比較圖；圖7為本發(fā)明實施例提供的預(yù)測方法與現(xiàn)有預(yù)測方法的性能比較圖。
具體實施例方式下面結(jié)合具體實施例對本發(fā)明進(jìn)行詳細(xì)說明。以下實施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)。這些都屬于本發(fā)明的保護(hù)范圍。實施例1、預(yù)測方法的數(shù)據(jù)集制備過敏原蛋白數(shù)據(jù)集制備數(shù)據(jù)來源數(shù)據(jù)庫包括Swiss-Prot Allergen Index(—個權(quán)威蛋白質(zhì)數(shù)據(jù)庫)；IUIS Allergen Nomenclature (國際免疫學(xué)會聯(lián)盟-過敏原命名表)；SDAP (過敏蛋白的結(jié)構(gòu)數(shù)據(jù)庫)和ADFS (用于食品安全的過敏原數(shù)據(jù)庫)，去冗余后共得到1176條過敏原蛋白序列，這些序列作為訓(xùn)練模型時的正集；非過敏原蛋白數(shù)據(jù)集制備為構(gòu)建一個可行的負(fù)集，采用如下步驟實現(xiàn)1.下載Swiss-Prot (版本2010_11)的所有蛋白序列共522，019條；2.移除所有同已知過敏原相似度>=30%的序列；3.移除所有長度小于50個氨基酸的序列；4.從3的結(jié)果中隨機(jī)選取同正集相同數(shù)目的蛋白序列作為負(fù)集。實施例2、輸入SVM的特征向量構(gòu)建物理化學(xué)特征本實施例中采集的蛋白質(zhì)的物理化學(xué)特征包括八個方面，1.氨基酸組成；2.分子量；3. 二級結(jié)構(gòu)傾向性；4.疏水性；5.極化性；6.可溶性；7.標(biāo)準(zhǔn)化的范德華體積；8.極性；9.序列長度。氨基酸組成的計算公式為
權(quán)利要求
1.ー種蛋白質(zhì)潛在致敏性的預(yù)測方法，其特征在于，包括以下步驟 步驟一，制作訓(xùn)練正集和訓(xùn)練負(fù)集； 步驟ニ，對蛋白質(zhì)的各類屬性進(jìn)行編碼，構(gòu)建特征向量； 步驟三，引用最大相關(guān)最小冗余方法進(jìn)行特征排序，引用遞增式的特征選擇方法進(jìn)行最優(yōu)特征選擇； 步驟四，通過對選擇出的特征進(jìn)行統(tǒng)計分析，給出與蛋白質(zhì)致敏特性顯著相關(guān)的特征結(jié)果報告。
2.如權(quán)利要求1所述的蛋白質(zhì)潛在致敏性的預(yù)測方法，其特征在于，所述正集包括所有已知的過敏原蛋白序列；所述負(fù)集制備隨機(jī)抽取Swiss-Prot蛋白質(zhì)序列數(shù)據(jù)庫中的蛋白質(zhì)序列，移除所有同已知過敏原相似度> 30%的序列和長度小于50個氨基酸的序列。
3.如權(quán)利要求1所述的蛋白質(zhì)潛在致敏性的預(yù)測方法，其特征在于，步驟ニ中，所述屬性的編碼包括以下步驟將ニ級結(jié)構(gòu)傾向性、疏水性、極化性、可溶性、標(biāo)準(zhǔn)化的范德華體積和極性，按照序列位置中每個氨基酸的分類對蛋白序列進(jìn)行重新編碼。
4.如權(quán)利要求1所述的蛋白質(zhì)潛在致敏性的預(yù)測方法，其特征在于，步驟ニ中，所述構(gòu)建特征向量包括如下步驟整合蛋白質(zhì)的屬性；每類屬性分別計算其特征向量；然后整合成ー個156維的表示蛋白質(zhì)的特征向量。
5.如權(quán)利要求1所述的蛋白質(zhì)潛在致敏性的預(yù)測方法，其特征在于，步驟三中，所述遞增式的特征選擇方法包括如下步驟首次選用排序最靠前的I個特征進(jìn)行建模，計算其10-折疊交叉驗證的性能參數(shù)，然后選用排序最靠前的2個特征進(jìn)行建摸，計算其10-折疊交叉驗證的性能參數(shù)，以此類推，每次增加一個排序在最前面的特征，直至所有特征添加完畢。
全文摘要
本發(fā)明提供了一種蛋白質(zhì)潛在致敏性的預(yù)測方法，包括以下步驟步驟一，制作訓(xùn)練正集和訓(xùn)練負(fù)集；步驟二，對蛋白質(zhì)的各類屬性進(jìn)行編碼，構(gòu)建特征向量；步驟三，引用最大相關(guān)最小冗余方法進(jìn)行特征排序，引用遞增式的特征選擇方法進(jìn)行最優(yōu)特征選擇；步驟四，通過對選擇出的特征進(jìn)行統(tǒng)計分析，給出與蛋白質(zhì)致敏特性顯著相關(guān)的特征結(jié)果報告。本發(fā)明提供的預(yù)測方法可以有效地對蛋白質(zhì)的潛在致敏性進(jìn)行預(yù)測，其準(zhǔn)確度比現(xiàn)有的計算生物學(xué)預(yù)測方法更高，并且能有效分析出同蛋白質(zhì)的致敏特性相關(guān)的蛋白特征，對過敏原預(yù)測、蛋白質(zhì)致敏性機(jī)制研究有著重要作用。
文檔編號G06F19/18GK103049679SQ201210587248
公開日2013年4月17日 申請日期2012年12月28日 優(yōu)先權(quán)日2012年12月28日
發(fā)明者李婧, 王婧, 張大兵 申請人:上海交通大學(xué)