【技术实现步骤摘要】
一种深度学习域间约束辅助的多域蛋白质结构组装方法
[0001]本专利技术属于生物学信息学、智能优化、计算机应用领域，涉及一种深度学习域间约束辅助的多域蛋白质结构组装方法。
技术介绍
[0002]蛋白质作为生物学过程的基石，在生物系统中执行多种关键功能，如DNA转录、mRNA翻译和信号转导，而且蛋白质的形成有时还起到激活或抑制一个或多个其他蛋白质的作用，这些蛋白质遭到破坏或者失调往往会导致疾病。
[0003]阐明蛋白质的三维结构是理解其全部功能和相互作用机制的关键步骤，不仅有助于推动临床和基础研究，而且可以扩大对蛋白质在正常生物学过程以及病理条件下的功能角色认知。在目前的蛋白质库有中，大部分蛋白质被看作单域蛋白，仅有34.7％的蛋白为多域蛋白。而多域蛋白的结构比单域蛋白更为复杂，其具有的功能在生物系统中的作用也更加重要。但目前几乎所有的蛋白质结构预测方法都是针对单域蛋白的结构设计的，人们对多域蛋白的认识和研究远少于单域蛋白。因此，多域蛋白质结构的预测成为计算生物学不可忽视的重要问题。
[0004]从序列出发，将...
【技术保护点】
【技术特征摘要】
1.一种深度学习域间约束辅助的多域蛋白质结构组装方法，其特征在于，首先，输入待组装多域蛋白质的所有单域的三维结构；然后，将多域蛋白质结构库中每个模板与每两个连续域的比对进行打分得到局部模板，并根据每个模板与每个单域的比对进行打分得到全局模板，选择得分最高的T个局部模板和全局模板作为组装模板，利用DeepPotential预测结构域间的约束信息，从而计算多域蛋白的混合能量函数；针对每个模板，根据该混合能量函数进行N步独立的L
‑
BFGS模拟，利用能量最低时每个结构域的平移向量和旋转角生成最终的全长模型，最后，选择T个局部模板的全局模板中能量最低的结构作为最终组装结构。2.如权利要求1所述的深度学习域间约束辅助的多域蛋白质结构组装方法，其特征在于，所述方法包括以下步骤：1)输入待组装多域蛋白质的所有单域的三维结构；2)设置参数：冲突距离阈值d
cut
，L
‑
BFGS拟牛顿算法独立模拟次数N，组装模板数量T；3)通过蛋白质结构比对工具TM
‑
align，对多域蛋白质结构库中每个模板与每两个连续域的比对进行打分，每个局部模板的得分为每个结构域与模板之间的比对得分TM
‑
score的平均值；4)对多域蛋白质结构库中每个模板与每个单域的比对进行打分，每个全局模板的得分为每个结构域与模板之间比对得分TM
‑
score的调和平均值，并分别选择得分最高的T个局部模板和全局模板作为组装模板；5)利用残基间约束预测工具DeepPotential预测旋转角、氢键网络、残基间距离以及各结构域之间的残基约束对应的置信度U
ij
，i＝1，2，...，L
m
；.j＝1，2，...，L
n
，其中L
m
，L
n
表示第m个结构域和第n个结构域的序列长度，U
ij
表示第m个结构域中的第i个残基与第n个结构域中的第j个残基之间约束的置信度；6)根据所选的每个模板进行组装，过程如下：6.1)计算结构域C
β
原子间的距离能量：其中d
ij
是第i个结构域中C
β
原子与第j个结构域中C
β
原子之间的距离，P(i，j，k(d
ij
))是由DeepPotential预测的d
ij
落在第k个区间所对应的概率，ε＝10
‑4是很小的正数防止概率为0；6.2)计算结构域方向能量：其中O
ij
代表域间残基之间的二面角，P(i，j，k(d
ij
))是由DeepPotential预测的O
ij
落在第k个角度区间的概率；6.3)计算结构域间接触能量：
6.4)计算结构域间的氢键约束能量：其中的计算如下：其中表示第m个结构域的第i个残基和第n个结构域的第j个残基之间氢键的角度，表示对应角度为的概率；6.5)计算结构域间冲突能量：6.6)计算结构域间一般接触能量：其中，若第i个残基和第j个残基是疏水基团则u
ij
＝0.1，若第i个残基和第j个残基是亲水基团则u
ij
＝0.01，否则u
ij
＝0.05；6.7)计算结构域间距离谱能量：其中T
ij
是模板数量；其中a
i
和a
j
是模板对齐的第i个残基和第j个的残基的索引，并且满足：...
【专利技术属性】
技术研发人员：周晓根，杨子豪，蔡亚贤，张贵军，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。