一种基于深度残差神经网络的蛋白质残基接触图预测方法

摘要

一种基于深度残差神经网络的蛋白质残基接触图预测方法，首先，输入待进行蛋白质残基接触图预测的蛋白质序列；然后，对蛋白质序列利用20种常见氨基酸的one‑hot表示形式将蛋白质序列转换成一个20×L的矩阵，把蛋白质序列信息数字化，利用20×L的矩阵计算得到20×L×L的协方差张量，即输入网络的特征；其次，搭建深度残差神经网络框架，从PDB库中收集已有蛋白质接触标签的蛋白质序列和标签，计算蛋白质序列的特征张量，与对应的标签组成数据集，使用深度残差神经网络框架在数据集上学习预测模型；最后，将待进行蛋白质残基接触图预测的蛋白质特征张量输入模型，则得到该蛋白质序列残基接触图。本发明计算代价小、预测精度高。