一种植物抗性蛋白识别方法、装置、设备和存储介质制造方法及图纸

本申请提供了一种植物抗性蛋白识别方法、装置、设备和存储介质。方法包括：获取植物抗性蛋白的序列数据，组成正训练集、负训练集和测试集；提取正训练集和负训练集中的数据特征；将所有的数据特征进行拼接，获得特征集；进行特征选择，以获取目标特征子集；筛选出预设分类模型和预设k值；基于目标特征子集，对预设分类模型进行训练；基于测试集，对训练后的分类模型进行分类性能测试，直至获得性能满足预设条件的目标分类模型；基于目标分类模型，对序列数据进行结构域和跨膜蛋白预测，并搭建植物抗性蛋白分类预测器，以用于植物抗性蛋白识别。能够实现准确识别植物抗性蛋白。能够实现准确识别植物抗性蛋白。能够实现准确识别植物抗性蛋白。

【技术实现步骤摘要】
一种植物抗性蛋白识别方法、装置、设备和存储介质


[0001]本申请涉及生物信息
，特别是涉及一种植物抗性蛋白识别方法、装置、设备和存储介质。

技术介绍

[0002]粮食安全事关每个人的生计，也是全球关注的重大问题。每年由于病虫害的侵染，导致粮食作物产量大量减产，例如由于稻瘟病的侵染导致全世界水稻减产30％。小麦条锈病导致全世界小麦每年减少547万吨产量。
[0003]植物为了抵抗病原物的入侵，进化出了两层免疫系统，第一层是通过细胞膜表面模式识别受体(Pattern
‑
recognition receptors,PRRs)来识别病原相关分子模式(Pathogen
‑
associated molecular patterns,PAMPs)或者是微生物相关分子模式(Microbe
‑
associated molecular patterns,MAMPs)，从而触发PTI免疫反应(PAMP
‑
triggered immunity)。第二层免疫防御系统主要是通过细胞内的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种植物抗性蛋白识别方法，其特征在于，包括：获取植物抗性蛋白的序列数据，组成正训练集、负训练集和测试集；提取所述正训练集和所述负训练集中的数据特征；将所有的数据特征进行拼接，获得完整的特征集；结合信息增益和模型准确度特征选择方法进行特征选择，以获取目标特征子集；同时对多种不同的分类模型和多种不同k值组成的k间隔氨基酸对组成信息进行评估，筛选出预设分类模型和预设k值；基于所述目标特征子集，对预设分类模型进行训练；基于所述测试集，对训练后的分类模型进行分类性能测试，直至获得性能满足预设条件的目标分类模型；基于所述目标分类模型，对所述序列数据进行结构域和跨膜蛋白预测，并搭建植物抗性蛋白分类预测器，以用于植物抗性蛋白识别。2.根据权利要求1所述的方法，其特征在于，结合信息增益和模型准确度特征选择方法进行特征选择，以获取目标特征子集，包括：根据信息增益算法对特征重要度进行排序；根据排序后的特征，构建特征矩阵；依次将所述特征矩阵中的特征向量输入训练模型；如果输入的特征向量导致模型准确度降低，则取出该特征向量；如果输入的特征向量导致模型准确度不降低，则保留该特征向量；基于保留的特征向量，生成目标特征子集。3.根据权利要求1所述的方法，其特征在于，获取植物抗性蛋白的序列数据，组成正训练集、负训练集和测试集，包括：判断获取的所述序列数据的格式是否是设定格式；若是设定格式，则取预设字符串加一行的数据作为序列文本数据，并组成正训练集、负训练集和测试集；若不是设定格式，则提示文件错误。4.根据权利要求1所述的方法，其特征在于，获取植物抗性蛋白的序列数据，组成正训练集、负训练集和测试集，包括：判断获取的所述序列数据的内容是否满足预设要求；若满足预设要求，则组成正训练集、负训练集和测试集；若不满足预设要求，则提示文件错误。5.根据权利要求1所述的方法，其特征在于，所述正训练集为经过试验验证的植物抗性蛋白序列文件，所述负训练集为植物非抗性蛋白序列文...

【专利技术属性】
技术研发人员：徐磊，王彦苏，邹权，
申请(专利权)人：电子科技大学长三角研究院衢州，
类型：发明
国别省市：