一种基于深度学习和XGBoost的蛋白质-蛋白质相互作用位点预测方法

摘要

本发明公开了一种基于深度学习和XGBoost的蛋白质‑蛋白质相互作用位点预测方法，包括步骤：根据蛋白质的序列信息、进化信息和结构信息编码得到蛋白质的局部特征和全局特征，对深度学习模型DeepPPISP超参数进行微调，微调后训练DeepPPISP模型训练后的模型充当特征提取器，将特征提取器的最后第三层的输出视为蛋白质的预处理特征向量。XGBoost模型作为最终的分类器，将特征提取器得到的预处理特征向量的训练数据输入到XGBoost模型进行10折交叉验证来对XGBoost模型的超参数进行微调，再对微调后的XGBoost模型进行训练，最后利用训练后XGBoost模型来预测未知蛋白质的作用位点。本发明充分利用蛋白质的序列信息、进化信息和结构信息编码后的局部特征和全局特征来提升预测蛋白质‑蛋白质相互作用位点的预测效果。