买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：辽宁大学

摘要：一种融合序列及网络嵌入的病毒宿主蛋白‑蛋白相互作用预测方法，步骤1：对数据进行预处理；步骤2：使用Doc2vec方法提取病毒及宿主蛋白质序列特征，对蛋白质序列进行矢量化；步骤3：构建宿主蛋白‑蛋白相互作用网络及病毒蛋白质序列相似性网络；步骤4：使用Node2vec算法提取上述两个网络的特征，将网络矢量化后与序列特征进行数量积；步骤5：根据得到的融合上述两种特征的矩阵，构建长短期记忆网络进行训练，将训练好的模型用于预测。本发明考虑到了蛋白质相互作用的网络特征，利用Node2vec模型对蛋白质相互作用网络特征建模，将网络特征与序列特征融合起来，更好地提高了病毒宿主蛋白‑蛋白相互作用预测的正确率。

主权项：1.一种融合序列及网络嵌入的病毒宿主蛋白-蛋白相互作用预测方法，其特征在于，包括以下步骤：步骤1：对数据进行预处理；步骤2：使用Doc2vec方法提取病毒及宿主蛋白质序列特征，对蛋白质序列进行矢量化；步骤2.1：使用来自SwissProt数据库的长度在30到5000个氨基酸之间的非冗余蛋白质序列，并去除序列相似性0.5的冗余序列，剩余序列作为训练Doc2vec模型的语料库，训练Doc2vec模型；步骤2.2：使用训练完的Doc2vec模型获取病毒及宿主蛋白质序列特征，得到病毒及宿主蛋白质序列向量；步骤3：构建宿主蛋白-蛋白相互作用网络及病毒蛋白质序列相似性网络；步骤3.1：根据宿主蛋白质相互作用数据生成宿主蛋白质-蛋白质之间的相互作用网络；步骤3.2：利用Smith-Waterman算法计算各病毒蛋白质之间的相似性，计算方法如下： 其中，LSli，lj为针对蛋白质构建的相似性矩阵；swli，lj表示两个蛋白质序列的相似性；步骤4：使用Node2vec算法提取上述两个网络的特征，将网络矢量化后与序列特征进行数量积；步骤4.1：通过超参数p和q来控制随机游走的策略，采样获取宿主蛋白质相互作用网络节点序列,其中两个节点之间的转移概率为：πvx＝αpqt，x·ωvx2其中，v是当前的节点，t是v的上一步所在节点，x代表下一步的位置，ω为两节点的边的权重，α为搜索偏置，定义为： 其中，p和q为超参数，dtx代表t和x之间的最短距离；步骤4.2：节点序列通过Skip-Gram模型得到每个节点的网络特征，计算方法如下： 其中：但由于其计算代价高，采用负采样技术优化；步骤4.3：将得到宿主蛋白质相互作用网络特征与步骤2得到的宿主蛋白质序列特征进行数量积；步骤4.4：同样采用步骤4.1和步骤4.2中的方法，对病毒蛋白质序列相似性网络进行网络特征提取，将提取后的网络特征与序列特征进行数量积；步骤5：根据得到的融合上述两种特征的矩阵，构建长短期记忆网络进行训练，将训练好的模型用于预测。

全文数据：

权利要求：

百度查询： 辽宁大学 一种融合序列及网络嵌入的病毒宿主蛋白-蛋白相互作用预测方法