一种基于近红外光谱与深度学习的蛋白质酶解预测方法及系统

摘要: 本发明涉及生物信息学,具体涉及一种基于近红外光谱与深度学习的蛋白质酶解预测方法及系统。背景技术:1、蛋白质是人类重要的营养物质之一,广泛存在于动物、植物和微生物...
一种基于近红外光谱与深度学习的蛋白质酶解预测方法及系统

本发明涉及生物信息学,具体涉及一种基于近红外光谱与深度学习的蛋白质酶解预测方法及系统。

背景技术:

1、蛋白质是人类重要的营养物质之一,广泛存在于动物、植物和微生物中。酶解是从各种食源蛋白原料中获取活性肽的重要技术手段,是目前工业化生产中应用最为广泛的方法。然而,蛋白质酶解是一个由多维物理化学因素共同作用的复杂反应体系,反应过程受到微观尺度效应与反应瞬时性的双重制约。食源蛋白质酶解制备活性肽的过程通常受到蛋白酶种类、酶解温度、时间、体系ph等因素的综合影响,且任意因素的变化都有可能使酶解产物的理化性质发生改变。

2、目前,传统的食源蛋白质酶解获取活性肽过程大多依赖人工经验,难以准确获知酶解过程整个体系的动态演变规律,更无法解析酶解产物的多目标变量与多工艺参数之间的非线性耦合关系。因此,蛋白质酶解过程中存在随机性强、产物难控制等问题,制约着许多食源蛋白原料的高值化开发与活性肽的可控制备。

3、近红外光谱技术能够根据样品中化学键吸收光能产生的振动和能级跃迁,在光谱中以吸收峰的形式呈现。而蛋白质酶解过程中,化学键(如c-h、n-h、o-h键等)广泛存在于酶解体系,且会随着酶解反应的进行而发生变化,因此通过近红外光谱能够捕获到酶解过程深层次的分子结构变化信息。然而,近红外区域的吸收谱带往往处于一个较为宽泛的范围且存在严重的重叠现象,使得能够真实反映物质信息的数据往往被冗余数据掩盖;每条光谱包含上千个波数点,其中大量波数点的信息均为无效或干扰噪声。受限于对高维复杂数据的处理能力,近红外光谱技术在酶解过程在线监测与动态解析中的进一步应用受到了严重制约。同时,传统光谱分析中常用的特征波长选择方法多依赖于线性关系评估或单一指标优化,难以有效提取与多目标理化指标变化密切相关的非线性特征变量,制约了模型的可解释性与泛化能力。

4、人工智能技术中的深度学习模型能够从复杂已知数据中实现高效非线性特征提取,量化解析多变量与目标结果间的内在关联机制,进而达成对特定任务的高精度预测与智能决策。近年来,已有将近红外光谱技术应用于南极磷虾蛋白酶解反应监测(公开号:cn113189043a),然而该方案仅针对酶解产物单一理化指标进行建模,采用的pls方法属于线性回归算法,难以有效捕捉复杂光谱数据与理化指标之间的非线性关系。同时,已有相关发明,例如一种特定分子量分布蛋白肽定向酶解智能控制方法及系统(公开号:cn121963835a)、一种海洋肽制备用的监测及分析系统(公开号:cn118863596a)等将人工智能技术应用于蛋白质酶解,但其数据来源为已有的历史酶解数据或酶解的原始工艺参数,未能实现从分子层面实时获取酶解数据并用于模型训练。同时,深度学习模型的超参数设置对其预测性能具有决定性影响,人工调参往往依赖经验和试错法,难以在复杂的参数空间中找到真正的最优解。

5、因此,亟需一种将近红外光谱技术与人工智能深度学习方法相结合,并能对光谱数据进行有效降维、采用智能优化算法自动调优超参数的技术方案,以实现食源蛋白质酶解过程多理化指标的精准预测。

技术实现思路

1、本发明的目的在于提供一种基于近红外光谱与深度学习的蛋白质酶解预测方法及系统。本发明将近红外光谱技术与基于粒子群优化的深度学习模型结合,实现对食源蛋白质酶解过程理化指标的精准预测,解决传统食源蛋白质酶解过程中不可控、产物质量不稳定等问题。

2、为实现上述目的,本发明采用如下技术方案:

3、第一方面,本发明提供一种基于近红外光谱与深度学习的蛋白质酶解预测方法,包括:

4、获取训练样本集,所述训练样本集包括多组样本数据,每组样本数据包含在蛋白质酶解过程中一个时间点采集的近红外光谱数据,以及同步测定的、至少包括水解度、肽得率、表面疏水性和肽活性在内的多种理化指标值;

5、对所述近红外光谱数据进行预处理,并基于随机森林算法对预处理后的光谱数据中各波数点的特征重要性进行评估,根据评估结果确定能够表征所述多种理化指标变化的特征波数集;

6、以所述确定的特征波数集对应的吸光值作为输入,以所述多种理化指标值作为输出,构建训练数据集;

7、构建由卷积神经网络cnn与双向长短期记忆神经网络bilstm串联而成的混合预测模型,并采用粒子群算法pso对所述混合预测模型的超参数进行优化,得到经优化的预测模型;

8、利用所述训练数据集对所述经优化的预测模型进行训练,得到训练完成的预测模型;

9、将待测的蛋白质酶解过程的近红外光谱数据,经过与所述训练样本集相同方式的预处理后,基于所述确定的特征波数集提取对应的吸光值,输入所述训练完成的预测模型,输出所述多种理化指标的预测值。

10、在本发明的一种实施方式中,所述获取训练样本集包括:

11、以食源蛋白质原料为底物,在不同酶解条件下进行酶解反应;

12、在酶解过程中定时采集酶解液样品,将部分酶解液样品用于同步测定所述多种理化指标值,另一部分用于采集所述近红外光谱数据。

13、在本发明的一种实施方式中,测定所述多种理化指标值包括:

14、将所述用于测定理化指标值的酶解液样品依次进行煮沸灭酶和离心处理,保留上清液;

15、采用邻苯二甲醛法测定水解度,采用三氯乙酸沉淀法测定肽得率,采用溴酚蓝结合法测定表面疏水性,以及采用亚铁离子结合法测定肽活性。

16、在本发明的一种实施方式中,对所述近红外光谱数据进行预处理包括:

17、采用基于主成分分析降维的马氏距离法,对原始近红外光谱数据进行异常值识别与剔除;

18、采用savitzky-golay卷积平滑法结合导数法,对剔除异常值后的光谱数据进行处理。

19、在本发明的一种实施方式中,所述基于随机森林算法确定特征波数集包括:

20、利用随机森林回归算法计算每个波数点对于所述多种理化指标的特征重要性评分;

21、按照所述特征重要性评分由高到低的顺序,选取预设数量的波数作为所述特征波数集,所述预设数量选自10、15、20、30、40、50中的任一整数。

22、在本发明的一种实施方式中,所述混合预测模型具体包括:

23、cnn模块,包含卷积层、池化层和全连接层,用于从输入的特征波数吸光值中提取局部空间特征并进行降维;

24、bilstm模块,包含前向lstm层和后向lstm层,用于接收所述cnn模块提取的特征,并从中捕获双向时序依赖关系以输出预测值。

25、在本发明的一种实施方式中,采用pso进行优化的所述超参数,至少包括学习率、bilstm层的神经元个数和l2正则化参数。

26、在本发明的一种实施方式中,利用所述训练数据集对所述经优化的预测模型进行训练时,以训练集的均方根误差作为pso算法的适应度函数,通过迭代更新粒子位置和速度来搜索最优超参数组合,直至模型收敛。

27、在本发明的一种实施方式中,在输出所述多种理化指标的预测值之后,还包括:

28、根据所述预测值与预设目标范围的偏差,生成并输出用于调整酶解工艺参数的指令,以实现蛋白质酶解过程的闭环控制。

29、第二方面,本发明提供一种基于近红外光谱与深度学习的蛋白质酶解预测系统,用于执行所述的方法,包括:

30、数据获取模块,用于获取所述训练样本集;

31、预处理与特征筛选模块,用于对所述近红外光谱数据执行所述预处理和基于所述确定的特征波数集进行特征提取,并构建所述训练数据集;

32、模型构建与优化模块,用于构建所述cnn与bilstm串联的混合预测模型,并采用pso算法对所述超参数进行优化;

33、训练模块,用于利用所述训练数据集对所述经优化的预测模型进行训练;

34、预测模块,用于将待测的近红外光谱数据经所述预处理与特征筛选模块处理后,输入训练完成的预测模型,并输出所述多种理化指标的预测值;

35、控制模块,用于根据所述预测值生成并输出调整酶解工艺参数的指令。

36、本发明的有益效果是:

37、1、本发明通过将近红外光谱技术与深度学习模型相结合,实现了从分子光谱层面同时预测蛋白质酶解产物多项理化指标(水解度、肽得率、表面疏水性和肽活性)的变化。与现有技术仅能针对单一指标进行建模预测相比,本发明拓展了预测维度,能够更全面地反映酶解产物的综合品质,为蛋白质酶解过程的多目标优化和智能控制提供了更完整的数据支撑。

38、2、本发明采用随机森林算法进行光谱特征波数筛选,有效降低了光谱数据维度,减少了冗余和干扰信息,显著提升了后续模型的运行效率;随机森林作为一种非线性集成学习方法,能够准确捕捉光谱变量与多项理化指标之间的复杂非线性关系,筛选出的特征波数与蛋白质酶解过程中化学基团(如c-h、n-h、o-h键)的变化直接相关,具有明确的化学意义,从而大幅提高了模型的物理可解释性和对不同食源蛋白原料的泛化能力,解决了传统线性筛选方法难以适用于多目标复杂体系的问题。

39、3、本发明构建的pso-cnn-bilstm混合模型,将卷积神经网络(cnn)的局部空间特征提取能力与双向长短期记忆神经网络(bilstm)的双向时序建模能力有机结合,克服了现有技术中偏最小二乘法(pls)等线性回归方法以及单一深度学习模型难以充分捕捉光谱数据与多指标之间深层非线性时空依赖关系的局限,实现了对蛋白质酶解动态过程的精准解析。

40、4、本发明引入粒子群优化算法(pso)对混合模型的关键超参数(学习率、bilstm层神经元个数、l2正则化参数)进行全局自动寻优,有效避免了人工调参的主观性、盲目性和耗时问题,能够在复杂的超参数空间中快速逼近最优组合;实验结果表明,经pso优化后的模型预测性能得到全面提升,例如在特定预处理和特征数量条件下,对肽活性的预测决定系数r²可达0.994,相对分析误差rpd可达13.013,对表面疏水性的预测决定系数r²可达0.974,相对分析误差rpd可达6.249,整体上实现了对蛋白质酶解过程多指标的高精度同步预测。

41、5、基于上述高精度预测模型,本发明能够实时输出酶解产物理化指标预测值,并根据与预设目标范围的偏差自动生成调整酶解工艺参数的指令,实现闭环反馈控制,为蛋白肽的可控制备和智能化生产提供了坚实的技术支撑,具有良好的工业应用前景。