预测蛋白质之间信号流走向的方法技术

本发明专利技术公开了一种预测蛋白质之间信号流走向的方法。该方法包括以下步骤：S1，建立蛋白质之间信号流走向的标准数据集；S2，分别将阳性数据集和阴性数据集中的上游蛋白质与下游蛋白质的第一氨基酸序列信息中的特征值进行数值运算，得到相互作用对应的第二氨基酸序列信息；S3，利用假设检验方法，计算阳性数据集和阴性数据集中的第二氨基酸序列信息的差异显著性P值；S4，将差异显著性P值小于预定阈值的序列信息作为分类特征，建立分类模型；S5，对分类模型的分类效果进行评估，如果分类模型评估满足预设标准，结束建模过程；否则，返回步骤S4，对分类模型进行校正。应用本发明专利技术的技术方案，可以不受蛋白质是否包含结构域的限制。

【技术实现步骤摘要】

本专利技术涉及生物信息
，具体而言，涉及一种。
技术介绍
高通量实验技术的发展已经产出了大规模、多物种的蛋白质相互作用数据。在蛋白质相互作用网络中，通常假定相互作用是没有方向的。实际上，在信号转导、转录调控、细胞循环或者代谢途径等多种生物网络中，发生相互作用的蛋白质之间广泛存在着调控和上下游关系。然而，仅有少数蛋白质相互作用被深入研究，大部分相互作用的细节还是未知的，尤其是它们之间的信号流走向还未被揭示。蛋白质相互作用的方向性是构成信号通路的前提，有助于从大规模的蛋白质相互作用网络中挖掘新的潜在信号通路。目前，已有一些生物信息学方法基于结构域或功能注释信息来预测蛋白质间信号流的走向。如文章Liu W，et al.Proteome-wide predictionof signal flow direction in protein interaction network based on interactingdomains.Molecular&Cellular Proteomics, 2009, 8 (9): 2063-2070 提出 了一种基于结构域相互作用发现蛋白质之间信号流走向的方法，详细步骤如下:1)以人、小鼠、大鼠、果蝇和酵母中已知方向的蛋白质相互作用作为标准数据集，根据结构域相互作用在数据集中的相对富集程度定义打分函数，发现能够提示信号流走向的结构域相互作用；2)以第一步得到的有向结构域相互作用为基础，统计蛋白质相互作用中结构域相互作用流向的综合打分，用于预测蛋白质相互作用中信号流的方向；3)采用五倍交叉验证和物种间交叉验证对该预测方法的性能进行评估。但是，由于现有技术中的预测方法主要是基于结构域等信息预测蛋白质对之间的信号流走向，由于部分蛋白质不包含结构域或仅包含单个的结构域，使得该方法的应用范围非常有限，如大约一半的人蛋白质相互作用无法通过该方法来预测信号流走向。
技术实现思路
本专利技术旨在提供一种，以解决现有技术中不包含结构域或仅包含单个的结构域的蛋白质预测信号流走向困难的技术问题。为了实现上述目的，根据本专利技术的一个方面，提供了一种，包括以下步骤:Si，从信号转导数据库中收集有向的调控关系，建立蛋白质之间信号流走向的标准数据集，从标准数据集中随机选择一半信号流走向的数据作为阳性数据集，剩余一半的信号流走向取反得到的数据作为阴性数据集；S2，分别提取阳性数据集和阴性数据集中蛋白质所包含的第一氨基酸序列信息，并分别将阳性数据集和阴性数据集中的上游蛋白质与下游蛋白质的第一氨基酸序列信息中的特征值进行数值运算，得到阳性数据集和阴性数据集中的相互作用对应的第二氨基酸序列信息；S3，利用假设检验方法，计算阳性数据集和阴性数据集中的第二氨基酸序列信息的差异显著性P值；S4，将差异显著性P值小于预定阈值的序列信息作为分类特征，建立分类模型；S5，采用交叉验证方法或独立测试集，对分类模型的分类效果进行评估，如果分类模型评估满足预设要求，则分类模型建立成功，结束建模过程；否则，返回步骤S4，对分类模型进行校正。进一步地，有向的调控关系包括激活、抑制、磷酸化、以及非磷酸化。进一步地，蛋白质所包含的第一氨基酸序列信息包括物理化学属性和氨基酸排列信息。进一步地，数值运算为选自加、减、乘、除、乘方、开方和取模中的一种或多种。进一步地，假设检验方法为选自T检验、U检验、卡方检验、F检验,秩和检验中的一种或多种。进一步地，预定阈值Ρ〈0.05。进一步地，分类模型为选自支持向量机、决策树、贝叶斯方法中的一种或多种。进一步地，上游蛋白质与下游蛋白质之间发生相互作用。进一步地，步骤SI包括:建立多个物种中蛋白质之间信号流走向的标准数据集。应用本专利技术的技术方案，通过对蛋白质中氨基酸序列信息的分析，建立合适的预测模型推断蛋白质相互作用之间的信号流走向，从而可以不受蛋白质是否包含结构域的限制，不仅能够用于含有多个结构域的蛋白质相互作用的预测，还能够用于不包含结构域或仅包含单个的结构域的蛋白质相互作用的预测。由于绝大部分蛋白质的氨基酸序列是已知的，该方法的应用范围非常广泛，可以覆盖90%以上的蛋白质相互作用；而且，还可以用于标注大规模蛋白质相互作用的信号流走向，帮助阐释信号分子作用机制，辅助实验设计，节省大量的人力物力；另外，因为信号转导数据库数据丰富，可以考虑多种，甚至上百种序列信息，可靠性更高，且方法简单实用。【附图说明】构成本申请的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中:图1示出了本专利技术的预测蛋白质之间信号流走向的流程图；图2示出了根据本专利技术一种实施方式的蛋白质序列三元组划分方法示意图；以及图3示出了根据本专利技术一种实施方式的支持向量机分类超平面示意图。【具体实施方式】需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图来详细说明本专利技术。针对现有技术中不包含结构域或仅包含单个的结构域的蛋白质预测信号流走向困难的技术问题，本专利技术提供了一种基于氨基酸序列信息的蛋白质之间信号流走向的预测方法。根据本专利技术一种典型的实施方式，提供一种。如图1所示，该方法包括以下步骤:SI，从信号转导数据库中收集有向的调控关系，建立蛋白质之间信号流走向的标准数据集，从标准数据集中随机选择一半信号流走向的数据作为阳性数据集，剩余一半的信号流走向取反作的数据为阴性数据集；S2，分别提取阳性数据集和阴性数据集中蛋白质所包含的第一氨基酸序列信息，并分别将阳性数据集和阴性数据集中的上游蛋白质与下游蛋白质的第一氨基酸序列信息中的特征值进行数值运算，得到将阳性数据集和阴性数据集中的相互作用对应的第二氨基酸序列信息；S3，利用假设检验方法，计算阳性数据集和阴性数据集中的第二氨基酸序列信息的差异显著性P值；S4，将差异显著性P值小于预定阈值的序列信息作为分类特征，建立分类模型；S5，采用交叉验证方法或独立测试集，对分类模型的分类效果进行评估，如果分类模型评估满足预设要求，则分类模型建立成功，结束建模过程；否则，返回步骤S4，对分类模型进行校正。本专利技术的方法也是一种基于支持向量机模型的蛋白质之间信号流走向的预测方法，其中，信号转导数据库是指KEGG、BioCarta, STEK、NCI。取反是指调换发生相互作用的两个蛋白质的次序，即把上游的蛋白质改至下游，下游的改至上游。步骤S2具体为提取阳性数据集中蛋白质所包含的第一氨基酸序列信息，将其中上游蛋白质与下游蛋白质的第一氨基酸序列信息中的特征值进行数值运算，得到阳性数据集中的相互作用对应的第二氨基酸序列信息；提取阴性数据集中蛋白质所包含的第一氨基酸序列信息，将其中上游蛋白质与下游蛋白质的第一氨基酸序列信息中的特征值进行数值运算，得到阴性数据集中的相互作用对应的第二氨基酸序列信息。步骤S5中的预设要求可以是预测准确率达到预设目标(如80%)以上。应用本专利技术的技术方案，通过对蛋白质中氨基酸序列信息的分析，建立合适的预测模型推断蛋白质相互作用之间的信号流走向，从而可以不受蛋白质是否包含结构域的限制，不仅能够用于含有多个结构域的蛋白质相互作用的预测，还能够用于不包含结构本文档来自技高网...

【技术保护点】
一种预测蛋白质之间信号流走向的方法，其特征在于，包括以下步骤：S1，从信号转导数据库中收集有向的调控关系，建立蛋白质之间信号流走向的标准数据集，从所述标准数据集中随机选择一半信号流走向的数据作为阳性数据集，剩余一半的信号流走向取反得到的数据作为阴性数据集；S2，分别提取所述阳性数据集和所述阴性数据集中蛋白质所包含的第一氨基酸序列信息，并分别将所述阳性数据集和所述阴性数据集中的上游蛋白质与下游蛋白质的所述第一氨基酸序列信息中的特征值进行数值运算，得到所述阳性数据集和所述阴性数据集中的相互作用对应的第二氨基酸序列信息；S3，利用假设检验方法，计算所述阳性数据集和所述阴性数据集中的所述第二氨基酸序列信息的差异显著性P值；S4，将所述差异显著性P值小于预定阈值的序列信息作为分类特征，建立分类模型；S5，采用交叉验证方法或独立测试集，对所述分类模型的分类效果进行评估，如果所述分类模型评估满足预设要求，则所述分类模型建立成功，结束建模过程；否则，返回所述步骤S4，对所述分类模型进行校正。

【技术特征摘要】
1.一种预测蛋白质之间信号流走向的方法，其特征在于，包括以下步骤:Si，从信号转导数据库中收集有向的调控关系，建立蛋白质之间信号流走向的标准数据集，从所述标准数据集中随机选择一半信号流走向的数据作为阳性数据集，剩余一半的信号流走向取反得到的数据作为阴性数据集；S2，分别提取所述阳性数据集和所述阴性数据集中蛋白质所包含的第一氨基酸序列信息，并分别将所述阳性数据集和所述阴性数据集中的上游蛋白质与下游蛋白质的所述第一氨基酸序列信息中的特征值进行数值运算，得到所述阳性数据集和所述阴性数据集中的相互作用对应的第二氨基酸序列信息；S3，利用假设检验方法，计算所述阳性数据集和所述阴性数据集中的所述第二氨基酸序列信息的差异显著性P值；S4，将所述差异显著性P值小于预定阈值的序列信息作为分类特征，建立分类模型；S5，采用交叉验证方法或独立测试集，对所述分类模型的分类效果进行评估，如果所述分类模型评估满足预设要求，则所述分类模型建立成功，结束建模过程；否则，返回...

【专利技术属性】
技术研发人员：刘伟，谢红卫，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：