融合异构图卷积与理化调制的膜蛋白微环境功能预测方法
本发明涉及生物信息学,尤其涉及融合异构图卷积与理化调制的膜蛋白微环境功能预测方法。
背景技术:
1、膜蛋白功能预测是蛋白质组学研究的重要方向,基因本体论(gene ontology,go)功能注释为膜蛋白的分子功能、生物过程和细胞组分提供了标准化描述。现有膜蛋白功能预测方法通常采用蛋白质语言模型对氨基酸序列进行编码,提取进化特征后输入图神经网络或全连接网络进行分类预测。然而,现有方法在特征表示和图结构构建方面存在以下技术缺陷。
2、现有膜蛋白功能预测方法通常采用单一邻接关系构建蛋白质图结构,将序列上相邻的残基或空间距离较近的残基以统一边权重连接。然而,膜蛋白的空间结构复杂,不同残基之间的相互作用强度存在显著差异,强空间接触残基对与弱空间接触残基对在功能传递中的作用不同,现有方法未对空间接触关系进行强弱分层,图结构不能反映真实的交互强度层次,导致特征聚合时关键功能位点的信息被稀释。
3、现有膜蛋白功能预测方法通常将理化特征作为节点初始特征的一部分直接输入网络,或通过简单的拼接方式与进化特征组合。然而,膜蛋白的微环境功能与其局部理化性质(如疏水性、静电性、解离特性)密切相关,现有方法未建立理化特征对结构特征的动态调制机制,无法根据残基所处的局部理化环境自适应调整结构特征的表达,结构特征与理化特征之间的交互作用未被充分挖掘。
4、现有膜蛋白功能预测方法在图卷积网络中通常采用统一的权重矩阵处理所有边关系,未针对序列邻接关系、强空间接触关系和弱空间接触关系分别设计独立的聚合权重。不同关系类型的信息传播机制存在差异,序列邻接关系反映局部序列上下文,强空间接触关系反映稳定的功能位点相互作用,弱空间接触关系反映动态的微环境关联,现有方法采用统一聚合方式导致多类型关系的信息混淆,图卷积的表达能力受限。
5、现有膜蛋白功能预测方法在go功能预测输出时,通常将各go术语视为独立的分类目标,未考虑go本体层级结构中的父子继承关系。当模型预测某子术语为正样本而遗漏其父术语时,预测结果违反go本体的逻辑一致性,现有方法未建立层级约束机制,预测结果的生物学可解释性不足。
6、现有膜蛋白功能预测方法在接触图阈值确定时,通常采用固定数值(如0.5)作为全局阈值划分接触与非接触。然而,不同膜蛋白的接触概率分布存在整体偏移,部分膜蛋白的接触概率普遍偏高或偏低,固定阈值导致部分膜蛋白的图结构边密度异常,影响后续图卷积的特征聚合效果。
技术实现思路
1、鉴于此,本发明实施例提供了融合异构图卷积与理化调制的膜蛋白微环境功能预测方法,
2、提供了融合异构图卷积与理化调制的膜蛋白微环境功能预测方法,包括如下步骤:
3、s1、获取待预测膜蛋白的氨基酸序列,将所述氨基酸序列输入预训练蛋白语言模型esm2,提取维度为×1280的进化特征矩阵,其中为所述氨基酸序列的长度;
4、基于aaindex数据库筛选8维氨基酸理化指标,通过查表映射将所述氨基酸序列转换为维度为×8的原始理化特征矩阵;
5、s2、对所述原始理化特征矩阵沿特征维度执行z-score标准化,第维理化特征的标准化计算式为=(-)/,其中为第维理化特征在全局氨基酸统计下的均值,为第维理化特征在全局氨基酸统计下的标准差,得到标准化理化特征矩阵;
6、将所述标准化理化特征矩阵与所述进化特征矩阵在特征维度拼接,得到维度为×1288的联合表征;
7、对所述联合表征执行线性投影与层归一化,降维至512维,得到初始节点特征,计算式为=layernorm(·+,其中为维度1288×512的可学习权重矩阵,为偏置向量;
8、s3、获取所述膜蛋白的接触图矩阵,所述接触图矩阵由所述氨基酸序列经蛋白质结构预测模型预测得到,接触图矩阵的维度为×,为接触图矩阵中第个残基与第个残基之间的接触置信度,、为残基序号;
9、统计接触图矩阵中全部满足|-|>1的残基对的接触置信度,形成接触置信度分布;
10、对所述接触置信度分布按升序排序,计算所述接触置信度分布的第一四分位数和第三四分位数;
11、将所述第一四分位数确定为弱接触阈值,将所述第三四分位数确定为强接触阈值;
12、s4、基于所述弱接触阈值和所述强接触阈值派生三类异构关系邻接矩阵,所述三类异构关系邻接矩阵包括序列邻接矩阵、强空间接触矩阵和弱空间接触矩阵;
13、所述序列邻接矩阵仅对满足|-|=1的残基对位置赋值为1;
14、所述强空间接触矩阵对满足>且|-|>1的残基对位置赋值为1;
15、所述弱空间接触矩阵对满足<≤且|-|>1的残基对位置赋值为1;
16、s5、以所述初始节点特征为节点特征,以所述三类异构关系邻接矩阵为边结构,构建两层异构关系图卷积网络进行前向传播;
17、对目标节点,分别沿序列邻接关系、强空间接触关系和弱空间接触关系聚合邻居节点的特征,三类关系各自采用独立的可学习权重矩阵、、;
18、聚合时以目标节点在对应关系下的邻居节点数为归一化系数,叠加目标节点的自身特征经自权重矩阵变换后的结果,经非线性激活函数得到该层的输出特征;
19、第一层输出第一结构特征矩阵,第二层输出第二结构特征矩阵;
20、s6、取所述标准化理化特征矩阵中第个残基对应的8维理化特征向量作为条件变量;
21、将经第一多层感知机映射为512维缩放因子,计算式为=·+;
22、将经第二多层感知机映射为512维平移因子,计算式为=·+,其中、为可学习权重矩阵,、为偏置向量;
23、对所述第二结构特征矩阵中第个残基的结构特征执行逐元素仿射变换,得到调制后特征,计算式为=⊙+,其中⊙表示逐元素相乘;
24、s7、将全部残基的调制后特征聚合为蛋白质表征,通过交叉注意力模块将所述蛋白质表征与go术语原型向量进行跨模态语义对齐,计算所述膜蛋白与各go术语的匹配得分;
25、训练阶段对每个蛋白质的真实go标签执行祖先传播,采用层级约束损失函数约束所述匹配得分,输出膜蛋白功能预测结果。
26、需要说明的是:步骤s1中进化特征矩阵的提取方式为:预训练蛋白语言模型esm2的末层隐状态对氨基酸序列的每个残基输出一个1280维向量,将全部残基的1280维向量按序列顺序堆叠,得到维度为×1280的进化特征矩阵;
27、步骤s3中接触图矩阵的获取方式为:将所述氨基酸序列输入蛋白质结构预测模型,结构预测模型输出全部残基对之间的接触概率,将接触概率逐位置写入维度为×的矩阵,取第个残基与第个残基之间接触概率的数值;
28、步骤s3中弱接触阈值与强接触阈值由每个膜蛋白自身的接触置信度分布计算获得,实施原因在于:不同膜蛋白的接触概率分布存在整体偏移,采用固定数值划分强弱接触时,部分膜蛋白的强空间接触边过密或过疏,图结构不能反映真实的交互强度层次;
29、采用接触置信度分布自身的四分位数作为阈值,三类关系边的划分随样本的接触置信度分布自适应调整,对离群置信度不敏感;
30、步骤s2中投影维度512的确定方式为:联合表征维度1288经一次线性投影压缩至512,线性投影层参数量为1288×512+512=659968,异构图卷积的隐藏维度与投影维度一致,避免高维表征直接进入图卷积造成的参数量平方级增长;
31、步骤s6中缩放因子对结构特征的各特征通道执行逐通道缩放,平移因子对结构特征执行基线偏移,二者以理化特征为条件信号,使残基所处的局部疏水环境、静电环境与解离环境参与语义特征的校正;
32、步骤s7中祖先传播与层级约束损失函数共同作用,使预测结果沿go本体的父子层级保持逻辑一致。
33、有益效果
34、本发明实施例提供的技术方案带来的有益效果至少包括:
35、本发明通过获取膜蛋白的接触图矩阵,统计满足残基间距大于1的残基对的接触置信度分布,按升序排序计算第一四分位数和第三四分位数作为弱接触阈值和强接触阈值,基于弱接触阈值和强接触阈值派生序列邻接矩阵、强空间接触矩阵和弱空间接触矩阵三类异构关系邻接矩阵,解决了现有技术中采用固定数值全局阈值划分接触与非接触、未考虑不同膜蛋白接触概率分布整体偏移的技术问题,达到了通过接触置信度分布自适应确定阈值、构建反映真实交互强度层次的三类异构关系图结构的技术效果。
36、本发明以初始节点特征为节点特征,以三类异构关系邻接矩阵为边结构,构建两层异构关系图卷积网络进行前向传播,对目标节点分别沿序列邻接关系、强空间接触关系和弱空间接触关系聚合邻居节点特征,三类关系各自采用独立的可学习权重矩阵,以邻居节点数为归一化系数,叠加自身特征变换结果经非线性激活输出,解决了现有技术中采用统一权重矩阵处理所有边关系、多类型关系信息混淆的技术问题,达到了通过独立权重矩阵实现多类型关系的差异化特征聚合、提升图卷积表达能力的技术效果。
37、本发明取标准化理化特征矩阵中各残基的理化特征向量作为条件变量,经多层感知机映射为缩放因子和平移因子,对第二层输出的结构特征执行逐元素仿射变换,使残基所处的局部疏水环境、静电环境与解离环境参与语义特征的校正,解决了现有技术中理化特征未建立对结构特征的动态调制机制、局部理化环境与结构特征交互作用未被充分挖掘的技术问题,达到了通过特征调制网络实现理化特征对结构特征的自适应条件调制、增强微环境语义表达的技术效果。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com