CN108427867A - 一种基于灰色bp神经网络蛋白互作关系预测方法 - Google Patents

Abstract

本发明公开了一种基于灰色BP神经网络蛋白互作关系预测方法，包括以下步骤：步骤一、水稻蛋白质序列特征提取；步骤二、OGN建模；步骤三、输入测试数据，判定蛋白质序列中蛋白与蛋白之间的相互作用关系。本发明采用灰色BP神经网络算法对蛋白质互作关系进行预测，并针对BP神经网络存在的缺陷，引入灰色系统对神经网络的学习过程进行改进，将对灰色系统和神经网络进行融合，建立一种兼具两者优点的方法,则利用这种方法求解灰色问题时,与神经网络方法相比；计算量小,在少样本情况下也可达到较高精度；与灰色系统方法相比，计算精度高,且误差可控。

Description

一种基于灰色BP神经网络蛋白互作关系预测方法

技术领域

本发明涉及生物信息领域，特别涉及一种基于灰色BP神经网络蛋白互作关系预测方法。

背景技术

蛋白质相互作用(PPI，protein-protein interaction)是后基因组时代生物学研究的热点及难点。蛋白质相互作用是生物体中众多生命活动过程的重要组成部分，在许多细胞生物学过程中起着重要的作用。细胞进行生命活动过程的实质就是蛋白质在一定时空下的相互作用。新陈代谢、信号转导、细胞周期调控、新陈代谢、细胞凋亡及免疫应答等一系列生命活动都是通过蛋白质相互作用实现的。因此,开发更准确的方法来识别PPI以更好地理解蛋白质功能，研究蛋白质互作网络具有必要性和紧迫性。

近几年发展起了诸多高通量实验方法，例如：酵母双杂交方法、蛋白质芯片方法、质谱蛋白质复合物鉴别以及质谱分析等。然而，这些方法都是通过化学实验的方法，需要耗费大量的人力、财力和时间。伴随着高通量的实验手段的出现，生物学数据不仅在量上急速增长在质上进一步向相互关系信息发展。海量的生物学数据为我们发展计算学方法来研究蛋白质间相互作用以及蛋白质构象和功能提供了可能，这些数据中隐藏着许多未知的生物学功能。因此，如何利用这些数据序列知识挖掘出有效的信息是探索生命过程中需要解决的重要问题。

机器学习方法是传统计算方法的进一步发展，如支持向量机、遗传算法、神经网络和隐马尔可夫模型等，其基本概念是通过模式匹配、样本学习或逻辑推理以及现有样本数据进行独立学习和自我完善的过程。机器学习方法在蛋白质预测中得到了广泛的应用，如杨磊等提出了一个基于神经网络的方法预测蛋白质中的β-发夹结构。

人工神经网络(ArticfialiNuear1Netwoksr)是由若干元(也称神经元)按照不同方式相互连接而构成的非线性动力系统,由人脑神经元网络抽象而来，从信息分析和处理的角度，对自然神经网络的特性进行抽象和模拟，按不同的规则和连接方式组成网络，具有高度的并行性和高速的信息处理能力。

P(Back Propagatinn)算法,即误差反向传播算法，无监督学习是一种自组织学习过程,不需要外界提供学习样本。这种学习仅仅是根据网络的输入值来调整网络的权值和阈值,在学习的过程中,网络只须响应输入信号的激励,按照某种规则反复调节网络权值和阈值,直到最后形成某种有序的状态。

BP神经网络算法是目前应用最广泛的神经网络模型之一，被成功应用于信息、生物和医学等领域的研究中。BP神经网络算法的引入，使蛋白质结构预测获得了新的途径。

灰色系统(GreySystem)是指信息不完全、不确定的系统,灰色问题(GreyProblem)是指结构、特征、参数等信息不完备的问题。目前比较常用的灰色预测模型为GM(n,h)模型群,其中G表示grey(灰色),m表示model(模型),n表示模型的阶数,h代表模型变量的个数。主要包括GM(U)、GM(1,N)、GM(2,1),Verhulst模型、离散灰色模型等，它更多地适用于初始数据序列变化趋势呈单调变化的情况。而神经网络具有并行计算,分布式信息存储,容错能力强,自适应学习功能等优点,在处理复杂的人工智能问题上显示出极优越的地位。通过对灰色系统和神经网络的研究,研究发现灰色系统和神经网络可以融合,两种方法各有所长。比单一用一种方法计算精度高,且误差可控。为此，我们提出一种基于灰色BP神经网络蛋白互作关系预测方法。

发明内容

本发明的主要目的在于提供一种基于灰色BP神经网络蛋白互作关系预测方法，可以有效解决背景技术中的问题。

为实现上述目的，本发明采取的技术方案为：

一种基于灰色BP神经网络蛋白互作关系预测方法，包括以下步骤：

步骤一、蛋白质序列信息特征提取，使用PseAA方法，引入近似熵法提取蛋白序列信息特征；

步骤二、OGN建模；

(1)、对于一维等时距序列，采用GM(1,1)、WPGM(1,1)、pGM(1,1)分别建立预测模型，作为神经网络的输入前端；对于一维非等时距序列，采用NTGM(1,1)、WPGM(1,1)、pGM(1,1)分别建立预测模型，求得M个模拟值和N个预测值，作为神经网络的输入前端；

(2)、预设神经网络结构(p,q)为(1,1)；

(3)、进行神经网络权值训练，记录下对应网络结构的样本集总误差E；

(4)、分别将p和q各自增加1，如果p＝q＝11，进入(5)步骤，否则转(3)步骤；

(5)、选出以上10个误差(E)中最小值对应的(p,q)，记为(p₀,q₀)；

(6)、计算20个E；

(7)、选出以上20个E中最小者对应的(p,q)，记为(p₁,q₁)；

(8)、计算OGN的预测值；

步骤三、输入测试数据，判定蛋白质序列中蛋白与蛋白之间的相互作用关系。

与现有技术相比，本发明具有如下有益效果：本发明采用灰色BP神经网络算法对蛋白质互作关系进行预测，并针对BP神经网络存在的缺陷，引入灰色系统对神经网络的学习过程进行改进，将对灰色系统和神经网络进行融合，建立一种兼具两者优点的方法,则利用这种方法求解灰色问题时,与神经网络方法相比；计算量小,在少样本情况下也可达到较高精度；与灰色系统方法相比，计算精度高,且误差可控。

附图说明

图1为氨基酸残基编码图，蛋白质序列分别用十进制和二进制进行编码，把蛋白质序列用数字化表示。

图2为灰色系统与BP神经网络融合示意图。

图3为灰色有机BP神经网络拓扑结构图。

图4为灰色有机BP神经网络训练流程图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

首先，从Benchmark dataset平台下载到36545条数据有互作关系的数据集，36323没有互作关系的数据集，将上述数据集平均分为10个组，一组为实验组，剩下的9组是训练集，剔除少部分过长或过短的蛋白质序列，序列长度选择500到5000bp之间。

如图1-4所示，一种基于灰色BP神经网络蛋白互作关系预测方法，包括以下步骤：

步骤一、蛋白质序列信息特征提取：使用PseAA方法提取蛋白质序列信息特征，加入近似熵法、蛋白的亲水和疏水性质等提取蛋白序列信息特征；

水稻蛋白的序列可以表达如下：

p＝R₁,R₂,...,R_n

R_i表示蛋白质编号为i的氨基酸残，属于20种基本碱性氨基酸之一，也就是说，p可以用来表示长度为n的字符串，p作为直接输入训练和预测，对低同源性蛋白的处理效果较差，因此，首先对P进行特征提取，PseAA方法提取本文蛋白质的特征：

X＝[X₁,X₂,…,X₂₀,X₂₁,…,X_20+λ]^T

其中，ω_j：权重因子；P_j(j≤5)：蛋白质的近似熵；P_j(6≤j≤8)：蛋白的亲水性和疏水性信息；P_j(9≤j≤10)：表示基于图像的相似性；

文中,λ＝10：意味着用一个30-D的特征向量来表示一条蛋白质序列，即：

其中ApEn(m，r)为蛋白质的近似熵，蛋白序列的近似熵计算如下：

式中，m、r分别表示比较窗口长度相似容限边界，

m∈{2，3，4，5，6}，r＝0.2SD(u)(SD为标准差)；

其中Hp(α),Hp(β),Hp(a-α)为蛋白质的疏水和亲水信息(Hp)，定义如下：

Hp(α)＝f(i,i+3)+f(i,i+3,i+4)+f(i,i+1,i+4)

Hp(β)＝f(i,i+2)+f(i,i+2,i+4)

Hp(a-α)＝f(i,i+5)

其中f(i,i+3)、f(i,i+3,i+4)、f(i,i+1,i+4)、f(i,i+2)、f(i,i+2,i+4)、f(i,i+5)为不同螺旋区域的氨基酸残基对；

为基于图像的处理特征，基于图像计算公式如下：

将蛋白质序列中的每个残基按照表(二进制编码)转换成二进制，蛋白质序列就转化成一个5×N的矩阵A，每个元素不是0就是1，使用二维几何矩，定义如下：

图像重心定义为：

根据以上公式，定义中心距：

归一化之后，图像的任何平移旋转和缩放，其中心距是保持不变的：

选择两个具有旋转平移缩放不变性的图像特征：

步骤二、OGN建模，即有机灰色神经网络模型；

(1)、设一个序列的原始序列长度为M,预测序列长度为N，对于一维等时距序列，采用一阶一元灰色模型(简称GM(1,1))、无偏GM(1，1)模型(简称WPGM(1,1))、pGM(1,1)分别建立预测模型，作为神经网络的输入前端；其中pGM(1,1)采用临近加权平均值作为背景值进行灰色建模，对于一维非等时距序列，采用非等时距GM(1，1)模型(简记为NTGM(1，1))、无偏GM(1，1)模型(简称WPGM(1,1))、pGM(1,1)分别建立预测模型，求得M个模拟值和N个预测值，作为神经网络的输入前端；

(2)四层神经网络的两个隐含层的结构为(p,q)，其中p为第一个隐含层的节点个数，q为第二层隐含层的节点数，本具体实施方案以非等时距序列为例，设置一组不等间隔离散数据：

X⁽⁰⁾(1),X⁽⁰⁾(2),X⁽⁰⁾(3),…,X⁽⁰⁾(n),X⁽⁰⁾(n+1),…,X⁽⁰⁾(u)

t₁,t₂,t₃,…,t_n,t_n+1,…,t_u

其中,t_i(i＝1,2,…,u)是每个离散数据所对应的时间。如果X⁽⁰⁾(t)是t的连续功能，它的一个累积数据可以被表示如下：

至于离散数据，上述公式的定积分可以用近似解析方法计算；矩形法应用于此，假定t₀＝0，然后：

当离散数据为均匀时间间隔时，t_i-t_i-1＝1，上述方程表示如下：

这是灰色系统理论中的一种累加生成方法，该方程是更常规的一种累加生成方法；

下面基于X(1)设定的微积方程：

其中,a和u是灰色的参数,记参数数列为α,即，α＝[a,u]^T

通过以下识别算法获得：

α＝(B^TB)^-1B^TY_n

其中，B为数据阵，Y为数据列；

微分方程的解是：

式中,e是自然常熟，a、u是灰色参数，C是任意常数.如果X⁽¹⁾(1)，则有：

然后GM(1,1)的时间响应函数模型是：

从上述公式中计算出，数据简化处理，

基于模型计算，对数据进行精剪处理，获得序列数据归算公式为：

此公式由：

和

推导而来：

其中是回代试验系列部分， 是预测值的系列部分；

最后计算残差，相对残差q(t_i)＝e(t_i)/X⁽⁰⁾(t_i)；

(3)、以三组灰色模型GM(1,1)、WPGM(1,1)、pGM(1,1)或NTGM(1,1)、WPGM(1,1)、pGM(1,1)的模拟值为输入模式，原始一维序列为输出模式，进行神经网络网络权值训练，记录下对应网络结构的样本集总误差E；

(4)、分别将p和q各自增加1，如果p＝q＝11，进入(5)步骤，否则转(3)步骤；

(5)、选出以上10个误差(E)中最小值对应的(p,q)，记为(p₀,q₀)；

(6)、分别按照(p₀,1)、(p₀,2)、…、(p₀,10)、(1,q₀)、(2,q₀)、…、(10,q₀)的结构按照(3)步骤计算20个E；

(7)、选出步骤(6)20个E中最小者对应的(p,q)，记为(p₁,q₁)；

(8)、计算OGN的预测值，将步骤(1)中的任意三组预测值作为输入模式，按照(p₁,q₁)的网络结构进行仿真，求得的输出的OGN预测值；

步骤三、输入测试数据，判定蛋白质序列中蛋白与蛋白之间的相互作用关系，以OGN模型的各拟合值作为BP神经网络的输入样本：

(1)、计算隐藏层各单元的输出，选取训练样本输入网络，获得网络输入和期望输出，计算隐藏层输出，从训练样本集中选取训练样本，并将待训练样本转化为网络输入值和期望输出值，通过隐藏层连接权值和阈值计算隐藏层中间值，经过激励函数变换获得隐藏层神经元的输出值；

(2)计算输出层各单元的输出，利用隐藏层各神经元输出值、输出层连接权值和阈值得出输出层中间值，经过激励函数变换得出网络的实际输出；

(3)计算输出层权值误差，计算输出层各神经元的校正误差。比较网络实际输出与期望输出之间的差异，基于最小均方误差准则，计算输出层各神经元的校正误差并根据隐藏层输出值和校正误差进行调整，获得新的输出层神经元权值和阈值；

(4)隐藏层权值误差计算，比较网络实际输出与期望输出之间的差异，利用输出层校正误差计算输出层各神经元的校正误差并基于隐藏层输出值、输出层连接权值和输入层输入对权值进行调整，获得新的隐藏层神经元权值和阈值；

(5)反向调整网络中各神经元的权值，根据误差计算权值调整量，对神经元的权值和阈值进行调整；

(6)选择下一条训练样本进行学习，跳至(1)，直到所有蛋白序列计算完成；

(7)判断网络误差是否小于期望误差，若小于期望误差则结束训练，否则判断迭代次数是否达到最大学习次数，当小于最大学习次数时跳至(1)，否则结束训练。

数据集结果：结果预测精度达到了87.99％，预测结果比shen等采用SVM算法对PPI预测提高了4.99％，比you等采用ELM算法对PPI预测提高了3.11％。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (1)

1.一种基于灰色BP神经网络蛋白互作关系预测方法，其特征在于，包括以下步骤：

步骤一、蛋白质序列信息特征提取，使用PseAA方法，引入近似熵法提取蛋白序列信息特征；

步骤二、OGN建模；

(1)、对于一维等时距序列，采用GM(1,1)、WPGM(1,1)、pGM(1,1)分别建立预测模型，作为神经网络的输入前端；对于一维非等时距序列，采用NTGM(1,1)、WPGM(1,1)、pGM(1,1)分别建立预测模型，求得M个模拟值和N个预测值，作为神经网络的输入前端；

(2)、预设神经网络结构(p,q)为(1,1)；

(3)、进行神经网络权值训练，记录下对应网络结构的样本集总误差E；

(4)、分别将p和q各自增加1，如果p＝q＝11，进入(5)步骤，否则转(3)步骤；

(5)、选出以上10个误差(E)中最小值对应的(p,q)，记为(p₀,q₀)；

(6)、计算20个E；

(7)、选出以上20个E中最小者对应的(p,q)，记为(p₁,q₁)；

(8)、计算OGN的预测值；

步骤三、输入测试数据，判定蛋白质序列中蛋白与蛋白之间的相互作用关系。