基于稀疏编码及链学习预测膜蛋白beta‑barrel跨膜区域的方法

  • 国民经济行业:制造业/计算机、通信和其他电子设备制造业
  • 权利人:上海交通大学

知识产权简介

一种基于稀疏编码及链学习预测膜蛋白beta‐barrel跨膜区域的方法。本发明涉及到稀疏编码技术、链学习算法、支持向量机,利用计算的方法对膜蛋白beta‑barrel跨膜区域进行结构预测,为研究蛋白质结构和功能提供重要信息。本发明创新性的引入数字图像处理的思想,对蛋白质特征矩阵进行稀疏编码,解决了特征降维和去除噪声的问题。从蛋白质数据库PDB中组织膜蛋白beta‑barrel数据集,分别提取代表氨基酸进化信息的位置特异性打分矩阵和代表氨基酸残基位置信息的Z score为特征,用滑动窗口提取特征向量,实现多特征融合,提出基于SVM分类器的链学习算法训练模型,显著提高了预测效果,经Jakenife交叉验证精度可以达到92.5%。

转化前景

技术创新点描述:(不少于100字3行) 本发明提出了一种基于稀疏编码和链学习的新方法来预测膜蛋白的跨膜区域,膜蛋白是重要的药物靶点,但个体特异性强,样本分布比较分散,本专利所提出的稀疏性方法能很好地描述数据分布特性,从而能取得更优的预测结果。 应用产业领域描述:(已经实施情况和应用效果;或将要用于产业的情况和效果预测)(不少于100字3行) 膜蛋白是一类重要的药物靶点,根据统计,目前市场上的药物约75%的靶点都是膜蛋白,但膜蛋白结构实验求解困难,计算预测方法作为一个重要的替代方式,本专利是药物研发公司所期望的专利技术,具有较好的市场转化能力。 有无同类技术或产品比较(不少于100字3行) 根据调研,目前同类技术主要集中在alpha-螺旋区域的预测,对于beta类型的预测相关的专利报道尚不多见,这一beta类膜蛋白结构预测是潜在的新靶点,在基础医学和临床研究中,体现了越来越重要的作用。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式 转让, 许可, 入股
预估金额 100 万元
联系合作