一種藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法
2023-04-28 17:44:46 2
專利名稱：一種藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法
技術領域：
本發明屬於生物信息學技術領域，更確切的是涉及一種藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法。
背景技術：
近年來，隨著一些農藝性狀得到遺傳改良的食物增多及基因工程藥物的應用增加，一些對人類具有潛在過敏的蛋白可能引入這些食品和藥品中，由此將導致過敏性體質人群的生活壓力和整個社會的生活成本增加。在這些新蛋白基因遺傳轉化之前及與人體的產生接觸之前，先期進行過敏原性評價，顯得十分迫切。而應用軟體對蛋白的過敏原性進行精確預測是過敏原性評價的最經濟有效的首選方案。過敏原性的精確評估，既可避免高過敏原性蛋白基因的應用所帶來的前期巨額投入，又可避免這類蛋白對人體的傷害，使風險成本得到降低。目前，國內尚沒有一款可以評價過敏原的軟體，而國際上，過敏原性預測軟體可以概括為如下幾類方法進行過敏原檢測，包話(1)通常的序列比對；(2)基於滑動肽窗口原理的過敏原IgE表位和基序的檢測；(3)以支持向量機(Support Vector Machine, SVM)為支持算法的分類器來區分過敏原和非過敏原；(4)基於過敏原代表肽段(Allergen Representative Peptides, ARPs)或經過長度調整後的過敏原肽段構建的描述器 (Detection based on Filtered Length-adjusted Allergen Peptides, DFLAPs)。當待查詢序列或其片段與已知過敏原完全相同、或者同源、或者具有匹配的基序時，這些軟體就非常有效，而對於那些跟已知過敏原相似性低的新型蛋白質，這些軟體的預測準確性就不佳了。因此，為了從隨機的序列數據、特別是從那些農藝性狀優良而尚未開發的外源基因裡甄別過敏原，以避免將從未被人類作為食物的外源基因通過遺傳工程等方法引入食品中， 需要在準確性、特異性和敏感性等方面對過敏原預測軟體進行大幅度的改良提高。
發明內容
本發明要解決的技術問題是克服現有技術的不足而提供一種能提高過敏原預測的敏感性、特異性和精確性的基於支持向量機的過敏原的預測方法。為解決上述技術問題，本發明的技術方案是一種藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法，包括以下步驟
步驟1:資料庫的建立，
從各過敏原資料庫經過篩選得到的過敏原序列和非過敏原序列作為資料庫； 步驟2:過敏原家族特徵肽的提取，
針對過敏原序列進行聚類分析，在形成的每一過敏原家族中，過敏原序列按照每相隔 1-10個鹼基用滑動窗口分成6-32個鹼基長度的肽段，然後用所得肽段和非過敏原序列進行BLAST (Basic Local Alignment Search Tool，序列基本對齊本地搜索工具)比對後，剔除那些與非過敏原相同或相似的片段，而那些和非過敏原序列沒配對的肽段，並且E值低於10〃 IiT1時，即是過敏原特徵肽(Allergen Featured Peptides, AFPs)，而落在同一過敏原上且相鄰的過敏原特徵肽拼接後形成由2-30個小的特徵肽構成的過敏原家族特徵肽 (Allergen Family Featured Peptides, AFFPs)； 步驟3:建立支持向量機模型，
對於一個查詢蛋白X建立特徵向量FX = fxl, fx2,…，fxn，η代表過敏原家族特徵肽庫的片段數量，fxi為蛋白X和第i個AFFP進行BLAST (Basic Local Alignment Search Tool,序列基本對齊本地搜索工具)後E值均一化的值作為矢量，並轉換為徑向基函數(Radial Basis Function, RBF)； 步驟4:支持向量機模型的性能測定，
採用交叉驗證方法進行測定，即將訓練集隨機均分成η個互不相交的子集，利用η-1個訓練子集，對給定的一組參數建立模型，利用剩下一個子集做測試評估參數性能，即為η倍的內在交叉效度。進一步的，上述方案中步驟 3 所述對 BLAST (Basic Local Alignment Search Tool,序列基本對齊本地搜索工具)比對所得的E值χ進行均一化，均一化的公式如下
權利要求
1.一種藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法，其特徵在於包括以下步驟步驟1:資料庫的建立，從各過敏原資料庫經過篩選得到的過敏原序列和非過敏原序列作為資料庫；步驟2:過敏原家族特徵肽的提取，針對過敏原序列進行聚類分析，在形成的每一過敏原家族中，過敏原序列按照每相隔 1-10個鹼基用滑動窗口分成6-32個鹼基長度的肽段，然後用所得肽段和非過敏原序列進行BLAST (Basic Local Alignment Search Tool,序列基本對齊本地搜索工具)，剔除那些與非過敏原相同或相似的片段，而那些和非過敏原序列沒配對的肽段，並且採用BLAST 所得的E值低於10，KT1時，即是過敏原特徵肽(Allergen Featured Peptides, AFPs)， 而落在同一過敏原上且相鄰的過敏原特徵肽拼接後形成由2-30個小的特徵肽構成的過敏原家族特徵肽(Allergen Family Featured Peptides, AFFPs)；步驟3:建立支持向量機模型，對於一個查詢蛋白X建立特徵向量FX = fxl，fx2,…，fxn , η代表過敏原家族特徵肽庫的片段數量，fxi為蛋白X和第i個AFFP進行BLAST後E值均一化的值作為矢量， 並轉換為徑向基函數(Radial Basis Function, RBF)；步驟4:支持向量機模型的性能測定，採用交叉驗證方法進行測定，即將訓練集隨機均分成η個互不相交的子集，利用η-1個訓練子集，對給定的一組參數建立模型，利用剩下一個子集做測試評估參數性能，即為η倍的內在交叉效度。
2.根據權利要求1所述的藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法步驟3所述對BLAST比對所得的E值χ進行均一化，均一化的公式如下
3.根據權利要求1所述的藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法，其特徵在於步驟3所述支持向量機是基於結構風險最小化原則的統計，其使用核函數將輸進去的矢量投射到高維特徵空間，在空間形成一個超平面，使過敏原和非過敏原得以在超平面兩邊分開，支持向量機的核函數首先經過標準化，以使每個向量在特徵空間擁有長度單位1，核函數標準化的公式如下
4.根據權利要求3所述的藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法，其特徵在於所述核函數y (X，Y)轉換為徑向基函數RBF (Radial Basis Function)以使形成的平面通過原點，由核函數轉換為徑向基函數RBF的公式如下
5.根據權利要求1所述的藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法，其特徵在於步驟4所述支持向量機模型的性能測定採用十倍的內在的交叉效度方法進行測定，計算模型的敏感性(SE)、特異性(SP)、精確度(ACC)，馬太相關係數(MCC)，而這四個參數的計算公式如下
6.根據權利要求1所述的藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法，其特徵在於步驟1所述資料庫的建立中過敏原序列是從各過敏原資料庫收集過敏原序列，並移除序列同源性達到80-90%的過敏原後得到的；非過敏原序列是以大米，蘋果，胡蘿蔔和人類自身蛋白並經過過敏原篩選後得到的。
全文摘要
本發明屬於生物信息學技術領域，更確切的是涉及一種藉助支持向量機建立過敏原家族特徵肽的過敏原的預測方法。該預測方法包括建立過敏原資料庫；形成過敏原聚類與家族；提取過敏原家族代表肽；建立支持向量機模型；模型性能參數的優化訓練及大規模過敏原數據的測試。本發明優點是建立在優先淘選過敏原家族特徵肽基礎上，該特徵肽不僅對過敏原的典型特徵作了精細描述，而且將過敏原與非過敏原做了嚴格區分，避免了過敏原判別過程中假陽性和假陰性的產生，從而在過敏原判別的準確性與靈敏度上取得了高水平的平衡而具有明顯優勢。在蛋白序列過敏原性的生物信息學分析方面具有廣闊的應用前景。
文檔編號G06F19/24GK102346817SQ20111030253
公開日2012年2月8日 申請日期2011年10月9日 優先權日2011年10月9日
發明者張利達, 鄒澤紅, 陶愛林, 黃於藝 申請人:廣州醫學院第二附屬醫院