蛋白质特征的预处理方法、装置、介质及设备制造方法及图纸

本公开涉及一种蛋白质特征的预处理方法、装置、介质及设备，所述方法包括：接收待处理的蛋白质；根据所述蛋白质和训练的蛋白质特征预处理模型，获得所述蛋白质对应的蛋白质特征，其中，所述蛋白质特征为所述蛋白质特征预处理模型中的最后一个特征层输出的特征；其中，所述蛋白质特征预处理模型是基于多个蛋白质样本训练所得的，每一个所述蛋白质样本中包括蛋白质集中的多个蛋白质以及每一蛋白质对应的功能标识，所述蛋白质集为多序列比对MSA。由此，由于蛋白质特征预处理模型在训练的过程中学习到蛋白质集中的进化信息的同时，还能够学习到蛋白质的功能知识，则基于模型对蛋白质进行特征提取时，能够使得提取到的蛋白质特征更准确和丰富。准确和丰富。准确和丰富。

【技术实现步骤摘要】
蛋白质特征的预处理方法、装置、介质及设备


[0001]本公开涉及计算机
，具体地，涉及一种蛋白质特征的预处理方法、装置、介质及设备。

技术介绍

[0002]蛋白质是所有生命的基础物质，是机体细胞的最基本、最重要的组成部分。如蛋白质结构预测可以让我们更好的理解未知蛋白质的结构，从而推测它的功能。
[0003]现有方案中，通常直接基于蛋白质一级结构进行模型训练，然而由于蛋白质的结构复杂，通过上述方案难以对蛋白质的特征进行准确提取，从而影响下游分类或预测任务的准确性。

技术实现思路

[0004]提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]第一方面，本公开提供一种蛋白质特征的预处理方法，所述方法包括：
[0006]接收待处理的蛋白质；
[0007]根据所述蛋白质和训练的蛋白质特征预处理模型，获得所述蛋白质对应的蛋白质特征，其中，所述蛋白质特征为所述蛋白质特征预处理模型中的最后一个特征层输出的特征；
[0008]其中，所述蛋白质特征预处理模型是基于多个蛋白质样本训练所得的，每一个所述蛋白质样本中包括蛋白质集中的多个蛋白质以及每一蛋白质对应的功能标识，所述蛋白质集为多序列比对MSA。
[0009]第二方面，本公开提供一种蛋白质特征的预处理装置，所述装置包括：
[0010]接收模块，用于接收待处理的蛋白质；
[0011]处理模块，用于根据所述蛋白质和训练的蛋白质特征预处理模型，获得所述蛋白质对应的蛋白质特征，其中，所述蛋白质特征为所述蛋白质特征预处理模型中的最后一个特征层输出的特征；
[0012]其中，所述蛋白质特征预处理模型是基于多个蛋白质样本训练所得的，每一个所述蛋白质样本中包括蛋白质集中的多个蛋白质以及每一蛋白质对应的功能标识，所述蛋白质集为多序列比对MSA。
[0013]第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面所述方法的步骤。
[0014]第四方面，本公开提供一种电子设备，包括：
[0015]存储装置，其上存储有计算机程序；
[0016]处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面所述方
法的步骤。
[0017]在上述技术方案中，由于蛋白质特征预处理模型是基于MSA蛋白质数据集以及每一蛋白质对应的功能标识进行训练的，能够使得模型在训练的过程中学习到蛋白质集中的进化信息的同时，还能够学习到蛋白质的功能知识，则基于训练的蛋白质特征预处理模型对蛋白质进行特征提取时，能够基于学习到的进化信息和功能知识进行特征提取，两者相互补充以提高提取出的蛋白质特征的丰富性，并且通过结合功能知识也可以在一定程度上避免相关技术中通过MSA数据集中的一些虚假关系(spurious correlation)来预测蛋白质特征，在提高提取到的蛋白质特征中包含信息的多样性的同时，还可以有效提高蛋白质特征的准确性，为基于该蛋白质特征进行下游任务处理，如蛋白质分类和蛋白质结构预测等提供可靠的数据支持。
[0018]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0019]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
[0020]图1是根据本公开的一种实施方式提供的蛋白质特征的预处理方法的流程图。
[0021]图2是根据本公开的一种实施方式提供的蛋白质特征预处理模型的结构示意图。
[0022]图3为根据本公开的一种实施方式提供的蛋白质特征的预处理装置的框图。
[0023]图4示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
[0024]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0025]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0026]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0027]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0028]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0029]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0030]可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
[0031]例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
[0032]作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以承载供用户选择“同意”或者“不同意”向电子设备提供个人信息的选择控件。
[0033]可以理解的是，上述通知和获取用户授权过程仅是示意性的，不对本公开的实现方式构成限定，其它满足相关法律法规的方式也可应用于本公开的实现方式中。
[0034]同时，可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
[0035]图1所示，为根据本公开的一种实施方式提供的蛋白质特征的预处理方法的流程图，如图1所示，所述方法包括：
...

【技术保护点】

【技术特征摘要】
1.一种蛋白质特征的预处理方法，其特征在于，所述方法包括：接收待处理的蛋白质；根据所述蛋白质和训练的蛋白质特征预处理模型，获得所述蛋白质对应的蛋白质特征，其中，所述蛋白质特征为所述蛋白质特征预处理模型中的最后一个特征层输出的特征；其中，所述蛋白质特征预处理模型是基于多个蛋白质样本训练所得的，每一个所述蛋白质样本中包括蛋白质集中的多个蛋白质以及每一蛋白质对应的功能标识，所述蛋白质集为多序列比对MSA。2.根据权利要求1所述的方法，其特征在于，所述蛋白质特征预处理模型通过以下方式确定：获取所述多个蛋白质样本；将所述蛋白质集中的每一蛋白质进行掩膜处理，获得掩膜蛋白质；将所述掩膜蛋白质与所述掩膜蛋白质对应的功能标识输入预设模型，获得所述掩膜蛋白质对应的训练蛋白质特征；根据所述训练蛋白质特征确定预测蛋白质和各个预测功能分类；根据所述预测蛋白质、所述预测功能分类和所述蛋白质样本，确定所述预设模型的目标损失；根据所述目标损失对所述预设模型进行训练，并将训练完成的所述预设模型确定为所述蛋白质特征预处理模型。3.根据权利要求2所述的方法，其特征在于，所述获取所述多个蛋白质样本，包括：获取多个蛋白质集；针对每一蛋白质集，确定所述蛋白质集中的每一蛋白质具有的蛋白质功能；根据所述蛋白质集下的蛋白质功能，确定所述蛋白质集中的每一蛋白质对应的功能标识。4.根据权利要求3所述的方法，其特征在于，所述根据所述蛋白质集下的蛋白质功能，确定所述蛋白质集中的每一蛋白质对应的功能标识，包括：确定所述蛋白质集对应的每一所述蛋白质功能的出现次数，并根据出现次数最多的蛋白质功能确定所述蛋白质集的目标功能；针对所述蛋白质集中的每一所述蛋白质，若所述蛋白质具有所述蛋白质集的目标功能，则将所述目标功能确定为所述蛋白质的功能标识；若所述蛋白质不具有所述蛋白质集的目标功能，则根据所述蛋白质具有的蛋白质功能中出现次数最多的蛋白质功能确定所述功能标识。5.根据权利要求2所述的方法，其特征在于，所述预设模型中包含功能注意力处理模块，所述功能注意力处理模块用于对...

【专利技术属性】
技术研发人员：边成，赵家英，李永会，
申请(专利权)人：抖音视界有限公司，
类型：发明
国别省市：