[0001] 本发明属于生物信息技术领域， 尤其涉及一种蛋白质结合位点的预测方法、 装 置、 设备及存储介质。

背景技术

[0002] 近年来， 生物信息学受到人们的广泛关注， 越来越多不同领域的研究者投入到 对生物信息学的研究工作中去。 生物信息学是一门研究生物和生物相关系统中 信息内容和信息流向的综合性学科， 其知识体系中包含了生物学 （遗传学、 生 物化学等） 、 数学 （概率论与数理统计、 算法等） 、 计算机科学 （机器学习、 计算理论等） 、 物理化学 （分子建模、 热力学等） 等多个不同学科的知识。

[0003] 蛋白质是生命活动的体现者， 是一切生物藉以表现生命的最重要基本单元， 可 以算是自然界最微小的自动机器， 并且在与生物体系的运作中有着无可替代的 作用。 蛋白质在细胞内的不同作用是由蛋白质之间、 蛋白质与 DNA、 蛋白质与 R NA以及蛋白质与配体之间的相互作用来进行调� ��的。 蛋白质 -蛋白质相互作用涉 及蛋白质分子的关联， 该关联在活细胞的每一个生物学过程中都起到 非常关键 的作用， 例如 DNA合成、 基因转录激活、 蛋白质翻译、 修饰和定位以及信息传 导， 这些重要的生物过程均涉及到蛋白质-蛋白质� �相互作用。 因此， 探索蛋白 质间相互作用的序列和结构特性对理解细胞活 动至关重要。

[0004] 随着新一代测序技术的不断发展， 已测定的蛋白质序列数据不断增加。 于是， 人们对能够快速可靠地识别蛋白质结合位点的 计算工具的需求也愈发强烈。 蛋 白质结合位点的定位对分析理解蛋白质相互作 用的分子细节以及蛋白质功能至 关重要。 目前， 国内外的对蛋白质结合位点的研究预测， 大多基于通过对单个 位点进行专业测定， 得到的理化特征， 以及通过对蛋白质链进行分析， 计算得 到的位点间序列特征。 这样忽略了蛋白质结合位点的聚簇特性和氨基 酸残基之 间的关联信息， 从而对蛋白质结合位点预测的准确性和泛用性 不高。

技术问题 [0005] 本发明的目的在于提供一种蛋白质结合位点的 预测方法、 装置、 计算设备及存 储介质， 旨在解决由于现有技术对蛋白质结合位点预测 的准确性和泛用性不高 的问题。

问题的解决方案

技术解决方案

[0006] 一方面， 本发明提供了一种蛋白质结合位点的预测方法 ， 所述方法包括下述步 骤：

[0007] 接收待预测的蛋白质序列， 使用预设的滑动窗口和滑动步长对所述蛋白质 序列 进行序列划分， 得到组成所述蛋白质序列的多个氨基酸子序列 ；

[0008] 根据所述多个氨基酸子序列构建所述蛋白质序 列的词向量， 所述词向量的词元 素表示每个所述氨基酸子序列， 对所述词元素进行文档特征提取， 根据提取的 文档特征构建所述蛋白质序列的文档特征向量 ；

[0009] 对所述词元素表示的氨基酸子序列进行蛋白质 链生物学特征提取， 根据提取到 的生物学特征构建所述蛋白质序列的生物学特 征向量；

[0010] 使用预设的氨基酸残基分类模型对所述文档特 征向量和所述生物学特征向量进 行分类， 得到所述蛋白质序列的氨基酸残基类型。

[0011] 另一方面， 本发明提供了一种蛋白质结合位点的预测装置 ， 所述装置包括： [0012] 序列划分单元， 用于接收待预测的蛋白质序列， 使用预设的滑动窗口和滑动步 长对所述蛋白质序列进行序列划分， 得到组成所述蛋白质序列的多个氨基酸子 序列；

[0013] 第一向量构建单元， 用于根据所述多个氨基酸子序列构建所述蛋白 质序列的词 向量， 所述词向量的词元素表示每个所述氨基酸子序 列， 对所述词元素进行文 档特征提取， 根据提取的文档特征构建所述蛋白质序列的文 档特征向量；

[0014] 第二向量构建单元， 用于对所述词元素表示的氨基酸子序列进行蛋 白质链生物 学特征提取， 根据提取到的生物学特征构建所述蛋白质序列 的生物学特征向量 ； 以及

[0015] 结果获取单元， 用于使用预设的氨基酸残基分类模型对所述文 档特征向量和所 述生物学特征向量进行分类， 得到所述蛋白质序列的氨基酸残基类型。 [0016] 另一方面， 本发明还提供了序列划分和分类模型构建所需 的计算环境以及可在 所述环境中运行的计算机程序， 所述处理器执行所述计算机程序吋实现如所述 蛋白质结合位点的预测方法的步骤。

[0017] 另一方面， 本发明还提供了一种计算机可读存储介质， 所述计算机可读存储介 质存储有计算机程序， 所述计算机程序被处理器执行吋实现如所述蛋 白质结合 位点的预测方法的步骤。

发明的有益效果

有益效果

[0018] 本发明接收待预测的蛋白质序列， 使用预设的滑动窗口和滑动步长对蛋白质序 列进行序列划分， 得到组成该待预测蛋白质序列的多个氨基酸子 序列， 根据得 到的多个氨基酸子序列构建蛋白质序列的词向 量， 该词向量的词元素表示每个 氨基酸子序列， 对词元素进行文档特征提取， 根据提取的文档特征构建蛋白质 序列的文档特征向量， 对氨基酸子序列进行蛋白质链生物学特征提取 ， 根据提 取到的生物学特征构建蛋白质序列的生物学特 征向量， 使用预设的氨基酸残基 分类模型对同吋使用文档特征向量和生物学特 征向量表示的氨基酸子序列进行 分类， 得到蛋白质序列的氨基酸残基类型， 从而提高了蛋白质结合位点预测的 准确性和泛用性。

对附图的简要说明

附图说明

[0019] 图 1是本发明实施例一提供的蛋白质结合位点的� �测方法的实现流程图；

[0020] 图 2是本发明实施例二提供的蛋白质结合位点的� �测装置的结构示意图；

[0021] 图 3是本发明实施例三提供的蛋白质结合位点的� �测装置的结构示意图； 以及 [0022] 图 4是本发明实施例四提供的计算设备的结构示� �图。

本发明的实施方式

[0023] 为了使本发明的目的、 技术方案及优点更加清楚明白， 以下结合附图及实施例 ， 对本发明进行进一步详细说明。 应当理解， 此处所描述的具体实施例仅仅用 以解释本发明， 并不用于限定本发明。

[0024] 以下结合具体实施例对本发明的具体实现进行 详细描述：

[0025] 实施例一：

[0026] 图 1示出了本发明实施例一提供的蛋白质结合位� �的预测方法的实现流程， 为 了便于说明， 仅示出了与本发明实施例相关的部分， 详述如下：

[0027] 在步骤 S101中， 接收待预测的蛋白质序列， 使用预设的滑动窗口和滑动步长对 蛋白质序列进行序列划分， 得到组成该待预测蛋白质序列的多个氨基酸子 序列

[0028] 本发明实施例适用于蛋白质结合位点的预测系 统。 在本发明实施例中， 为体现 蛋白质-蛋白质结合位点的聚集特性， 在接收到待预测的蛋白质序列后， 启动滑 动窗口， 通过调节滑动窗口大小与滑动步长， 对蛋白质序列进行划分， 得到组 成该待预测蛋白质序列的多个氨基酸子序列， 从而将蛋白质序列的局部分块作 为后续的分析单元。

[0029] 在本发明实施例中， 优选地， 滑动窗口的大小为 （2*window + 1 - 2*b) ， 其中

， window为预设值， b是随机生成的、 大小处于 0到 window-1之间的变量。 这样 的滑动窗口中包含了目标残基两侧各 window-b个邻域残基， 随着窗口在氨基酸 序列上的滑动， 滑动窗口的大小在 3 (b=window-l) 到 2*window+l (b=0) 之间 随机改变， 得到以若干个氨基酸残基构成的蛋白质分块， 从而方便以蛋白质分 块作为基本单位进行后续分析， 充分体现蛋白质结合位点的聚簇特性， 进而提 高后续的特征表示能力、 预测精度和泛用性。

[0030] 优选地， 在接收待预测的蛋白质序列之前， 通过机器学习训练得到氨基酸残基 分类模型。 优选地， 可以使用 Stacking集成学习算法来进行机器学习， 从而提高 氨基酸残基分类模型的分类准确性和泛化能力 。

[0031] 优选地， 在通过机器学习训练得到氨基酸残基分类模型 吋， 首先使用预设的滑 动窗口和滑动步长对预设训练集中的训练蛋白 质序列进行序列划分， 得到组成 该训练蛋白质序列的多个训练氨基酸子序列， 然后根据得到的多个训练氨基酸 子序列构建训练蛋白质序列的训练词向量， 训练词向量的训练词元素表示每个 训练氨基酸子序列， 对训练词元素进行文档特征提取， 根据提取的文档特征构 建训练蛋白质序列的文档特征训练向量， 并对训练词元素表示的训练氨基酸子 序列进行蛋白质链生物学特征提取， 根据提取到的生物学特征构建训练蛋白质 序列的生物学特征训练向量， 最后使用文档特征训练向量和生物学特征训练 向 量表示的训练氨基酸子序列对预先构建的分类 模型进行训练， 当达到预设的训 练结束条件吋， 将训练得到分类模型设置为氨基酸残基分类模 型， 从而为后续 的氨基酸残基分类提供了分类模型， 提高了分类模型的分类效率。 其中， 训练 结束条件可以设置为训练次数到的预设次数或 者训练过程中的损失达到预设值

[0032] 具体地， 在得到多种类型的特征后， 使用 Stacking集成学习算法来训练预设的 模型， 以得到氨基酸残基分类模型。 Stacking模型第一层分别使用不同种类的蛋 白质链生物学特征训练多种基分类器， 之后将多种基分类器的预测结果与文档 特征向量进行拼接， 以此作为最终的特征向量进行训练， 得到氨基酸残基分类 模型。

[0033] 在步骤 S102中， 根据得到的多个氨基酸子序列构建蛋白质序列 的词向量， 词向 量的词元素表示每个氨基酸子序列， 该对词元素进行文档特征提取， 根据提取 的文档特征构建蛋白质序列的文档特征向量。

[0034] 在本发明实施例中， 序列划分得到多个氨基酸子序列后， 首先根据氨基酸子序 列构建蛋白质序列的词向量， 其中， 该词向量的词元素表示每个氨基酸子序列 ， 然后对词元素进行文档特征提取， 最后根据提取的文档特征构建蛋白质序列 的文档特征向量。 其中， 提取的文档特征包括 TFIDF序列特征和 N-gmm序列特征 等特征。

[0035] 优选地， 在根据氨基酸子序列构建蛋白质序列的词向量 吋， 对每种氨基酸子序 列分配一个唯一编号并使用 _word2vec 算法将原始的子序列唯一编号映射到 _κ 维向 量空间中， 得到蛋白质序列的词向量。 这样可以有效地降低特征维度， 为文本 数据寻求更加深层次的特征表示， 并且利用了高维词向量中的所有数据， 使得 数据规模更大， 有利于提高后续的分类效果。

[0036] 在步骤 S103中， 对词元素表示的氨基酸子序列进行蛋白质链生 物学特征提取， 根据提取到的生物学特征构建蛋白质序列的生 物学特征向量。 [0037] 在本发明实施例中， 首先对序列划分得到的氨基酸子序列进行蛋白 质链生物学 特征提取， 然后根据提取到的生物学特征， 构建蛋白质序列的生物学特征向量 ， 其中， 提取的生物学特征包括位置特异性打分矩阵特 征和伪氨基酸组成特征 等特征， 从而有效地表示氨基酸在序列中出现顺序等局 部信息， 增强了特征向 量对蛋白质序列信息的表示能力， 进而提高了生物学特征向量中生物学特征的 全面性。

[0038] 在步骤 S104中， 使用预设的氨基酸残基分类模型对使用文档特 征向量和生物学 特征向量表示的氨基酸子序列进行分类， 得到蛋白质序列的氨基酸残基类型。

[0039] 在本发明实施例中， 氨基酸残基类型用于说明氨基酸残基是否为蛋 白质序列的 结合位点。 优选地， 在对文档特征向量和生物学特征向量进行分类 吋， 首先对 生物学特征向量进行预测， 然后将预测的预测结果与文档特征向量进行特 征拼 接， 最后对特征拼接得到的拼接特征向量进行分类 ， 从而进一步提高了蛋白质 结合位点预测的准确性。 其中， 预设的氨基酸残基分类模型为前述训练得到的 氨基酸残基分类模型， 从而提高蛋白质序列的结合位点的预测准确性 。

[0040] 实施例二：

[0041] 图 2示出了本发明实施例二提供的蛋白质结合位� �的预测装置的结构， 为了便 于说明， 仅示出了与本发明实施例相关的部分， 其中包括：

[0042] 序列划分单元 21， 用于接收待预测的蛋白质序列， 使用预设的滑动窗口和滑动 步长对蛋白质序列进行序列划分， 得到组成该待预测蛋白质序列的多个氨基酸 子序列。

[0043] 第一向量构建单元 22， 用于根据得到的多个氨基酸子序列构建蛋白质 序列的词 向量， 词向量的词元素表示每个氨基酸子序列， 对词元素进行文档特征提取， 根据提取的文档特征构建蛋白质序列的文档特 征向量。

[0044] 第二向量构建单元 23， 用于对词元素表示的氨基酸子序列进行蛋白质 链生物学 特征提取， 根据提取到的生物学特征构建蛋白质序列的生 物学特征向量。

[0045] 结果获取单元 24， 用于使用预设的氨基酸残基分类模型对使用文 档特征向量和 生物学特征向量表示的氨基酸子序列进行分类 ， 得到蛋白质序列的氨基酸残基 类型。 [0046] 在本发明实施例中， 序列划分单元 21接收待预测的蛋白质序列， 使用预设的滑 动窗口和滑动步长对蛋白质序列进行序列划分 ， 得到组成该待预测蛋白质序列 的多个氨基酸子序列， 第一向量构建单元 22根据得到的多个氨基酸子序列构建 蛋白质序列的词向量， 该词向量的词元素表示每个氨基酸子序列， 对词元素进 行文档特征提取， 根据提取的文档特征构建蛋白质序列的文档特 征向量， 第二 向量构建单元 23对词元素表示的氨基酸子序列进行蛋白质链� ��物学特征提取， 根据提取到的生物学特征构建蛋白质序列的生 物学特征向量， 结果获取单元 24 使用预设的氨基酸残基分类模型对使用文档特 征向量和生物学特征向量表示的 氨基酸子序列进行分类， 得到蛋白质序列的氨基酸残基类型， 从而提高了蛋白 质结合位点预测的准确性和泛用性。

[0047] 在本发明实施例中， 蛋白质结合位点的预测装置的各单元可由相应 的硬件或软 件单元实现， 各单元可以为独立的软、 硬件单元， 也可以集成为一个软、 硬件 单元， 在此不用以限制本发明。 各单元的具体实施方式可参考前述实施例一的 描述， 在此不再赘述。

[0048] 实施例三：

[0049] 图 3示出了本发明实施例三提供的蛋白质结合位� �的预测装置的结构， 为了便 于说明， 仅示出了与本发明实施例相关的部分， 其中包括：

[0050] 训练序列划分单元 31， 用于使用预设的滑动窗口和滑动步长对预设训 练集中的 训练蛋白质序列进行序列划分， 得到组成该训练蛋白质序列的多个训练氨基酸 子序列。

[0051] 第一特征处理单元 32， 用于根据得到的多个训练氨基酸子序列构建训 练蛋白质 序列的训练词向量， 训练词向量的训练词元素表示每个训练氨基酸 子序列， 对 训练词元素进行文档特征提取， 根据提取的文档特征构建训练蛋白质序列的文 档特征训练向量。

[0052] 第二特征处理单元 33， 用于对训练词元素表示的训练氨基酸子序列进 行蛋白质 链生物学特征提取， 根据提取到的生物学特征构建训练蛋白质序列 的生物学特 征训练向量。

[0053] 模型训练单元 34， 用于使用文档特征训练向量和生物学特征训练 向量表示的训 练氨基酸子序列对预先构建的分类模型进行训 练， 当达到预设的训练结束条件 吋， 将训练得到分类模型设置为氨基酸残基分类模 型。

[0054] 在本发明实施例中， 在接收待预测的蛋白质序列之前， 通过机器学习训练得到 氨基酸残基分类模型。 优选地， 可以使用 Stacking集成学习算法来进行机器学习 ， 从而提高氨基酸残基分类模型的分类准确性和 泛化能力。

[0055] 具体地， 在通过机器学习训练得到氨基酸残基分类模型 吋， 首先训练序列划分 单元 31使用预设的滑动窗口和滑动步长对预设训练� ��中的训练蛋白质序列进行 序列划分， 得到组成该训练蛋白质序列的多个训练氨基酸 子序列， 然后第一特 征处理单元 32根据得到的多个训练氨基酸子序列构建训练� ��白质序列的训练词 向量， 训练词向量的训练词元素表示每个训练氨基酸 子序列， 对训练词元素进 行文档特征提取， 根据提取的文档特征构建训练蛋白质序列的文 档特征训练向 量， 第二特征处理单元 33对训练词元素表示的训练氨基酸子序列进行� ��白质链 生物学特征提取， 根据提取到的生物学特征构建训练蛋白质序列 的生物学特征 训练向量， 最后模型训练单元 34使用文档特征训练向量和生物学特征训练向� �� 表示的训练氨基酸子序列对预先构建的分类模 型进行训练， 当达到预设的训练 结束条件吋， 将训练得到分类模型设置为氨基酸残基分类模 型， 从而为后续的 氨基酸残基分类提供了分类模型， 提高了分类模型的分类效率。 其中， 训练结 束条件可以设置为训练次数到的预设次数或者 训练过程中的损失达到预设值。

[0056] 具体地， 在得到多种类型的特征后， 使用 Stacking集成学习算法来训练预设的 模型， 以得到氨基酸残基分类模型。 Stacking模型第一层分别使用不同种类的蛋 白质链生物学特征训练多种基分类器， 之后将多种基分类器的预测结果与文档 特征向量进行拼接， 以此作为最终的特征向量进行训练， 得到氨基酸残基分类 模型。

[0057] 序列划分单元 35， 用于接收待预测的蛋白质序列， 使用预设的滑动窗口和滑动 步长对蛋白质序列进行序列划分， 得到组成该待预测蛋白质序列的多个氨基酸 子序列。

[0058] 在本发明实施例中， 为体现蛋白质-蛋白质结合位点的聚集特性， 在接收到待 预测的蛋白质序列后， 序列划分单元 35启动滑动窗口， 通过调节滑动窗口大小 与滑动步长， 对蛋白质序列进行划分， 得到组成该待预测蛋白质序列的多个氨 基酸子序列， 从而将蛋白质序列的局部分块作为后续的分析 单元。

[0059] 在本发明实施例中， 优选地， 滑动窗口的大小为 （2*window + 1 - 2*b) ， 其中

， window为预设值， b是随机生成的、 大小处于 0到 window-1之间的变量。 这样 的滑动窗口中包含了目标残基两侧各 window-b个邻域残基， 随着窗口在氨基酸 序列上的滑动， 滑动窗口的大小在 3 (b=window-l) 到 2*window+l (b=0) 之间 随机改变， 得到以若干个氨基酸残基构成的蛋白质分块， 从而方便以蛋白质分 块作为基本单位进行后续分析， 充分体现蛋白质结合位点的聚簇特性， 进而提 高后续的特征表示能力、 预测精度和泛用性。

[0060] 第一向量构建单元 36， 用于根据得到的多个氨基酸子序列构建蛋白质 序列的词 向量， 词向量的词元素表示每个氨基酸子序列， 对词元素进行文档特征提取， 根据提取的文档特征构建蛋白质序列的文档特 征向量。

[0061] 在本发明实施例中， 序列划分得到多个氨基酸子序列后， 第一向量构建单元 36 首先根据氨基酸子序列构建蛋白质序列的词向 量， 其中， 该词向量的词元素表 示每个氨基酸子序列， 然后对词元素进行文档特征提取， 最后根据提取的文档 特征构建蛋白质序列的文档特征向量。 其中， 提取的文档特征包括 TFIDF序列特 征和 N-gram序列特征等特征。

[0062] 优选地， 在根据氨基酸子序列构建蛋白质序列的词向量 吋， 对每种氨基酸子序 列分配一个唯一编号并使用 _word2vec 算法将原始的子序列唯一编号映射到 _κ 维向 量空间中， 得到蛋白质序列的词向量。 这样可以有效地降低特征维度， 为文本 数据寻求更加深层次的特征表示， 并且利用了高维词向量中的所有数据， 使得 数据规模更大， 有利于提高后续的分类效果。

[0063] 第二向量构建单元 37， 用于对词元素表示的氨基酸子序列进行蛋白质 链生物学 特征提取， 根据提取到的生物学特征构建蛋白质序列的生 物学特征向量。

[0064] 在本发明实施例中， 第二向量构建单元 37首先对序列划分得到的氨基酸子序列 进行蛋白质链生物学特征提取， 然后根据提取到的生物学特征， 构建蛋白质序 列的生物学特征向量， 其中， 提取的生物学特征包括位置特异性打分矩阵特 征 和伪氨基酸组成特征等特征， 从而有效地表示氨基酸在序列中出现顺序等局 部 信息， 增强了特征向量对蛋白质序列信息的表示能力 ， 进而提高了生物学特征 向量中生物学特征的全面性。

[0065] 结果获取单元 38， 用于使用预设的氨基酸残基分类模型对使用文 档特征向量和 生物学特征向量表示的氨基酸子序列进行分类 ， 得到蛋白质序列的氨基酸残基 类型。

[0066] 在本发明实施例中， 氨基酸残基类型用于说明氨基酸残基是否为蛋 白质序列的 结合位点。 优选地， 在对文档特征向量和生物学特征向量进行分类 吋， 首先对 生物学特征向量进行预测， 然后将预测的预测结果与文档特征向量进行特 征拼 接， 最后对特征拼接得到的拼接特征向量进行分类 ， 从而进一步提高了蛋白质 结合位点预测的准确性。 其中， 预设的氨基酸残基分类模型为前述训练得到的 氨基酸残基分类模型， 从而提高蛋白质序列的结合位点的预测准确性 。

[0067] 因此， 优选地， 该结果获取单元 38包括：

[0068] 特征拼接单元 381， 用于对生物学特征向量进行预测， 将预测的预测结果与文 档特征向量进行特征拼接； 以及

[0069] 特征分类单元 382， 用于对特征拼接得到的拼接特征向量进行分类 。

[0070] 在本发明实施例中， 蛋白质结合位点的预测装置的各单元可由相应 的硬件或软 件单元实现， 各单元可以为独立的软、 硬件单元， 也可以集成为一个软、 硬件 单元， 在此不用以限制本发明。

[0071] 实施例四：

[0072] 图 4示出了本发明实施例四提供的计算设备的结� �， 为了便于说明， 仅示出了 与本发明实施例相关的部分。

[0073] 本发明实施例的计算设备 4包括处理器 40、 存储器 41以及存储在存储器 41中并 可在处理器 40上运行的计算机程序 42。 该处理器 40执行计算机程序 42吋实现上 述蛋白质结合位点的预测方法实施例中的步骤 ， 例如图 1所示的步骤 S101至 S104 。 或者， 处理器 40执行计算机程序 42吋实现上述各装置实施例中各单元的功能 ， 例如图 2所示单元 21至 24、 图 3所示单元 31至 38的功能。

[0074] 在本发明实施例中， 该处理器 40执行计算机程序 42吋实现上述各个蛋白质结合 位点的预测方法实施例中的步骤吋， 接收待预测的蛋白质序列， 使用预设的滑 动窗口和滑动步长对蛋白质序列进行序列划分 ， 得到组成该待预测蛋白质序列 的多个氨基酸子序列， 根据得到的多个氨基酸子序列构建蛋白质序列 的词向量 ， 该词向量的词元素表示每个氨基酸子序列， 对词元素进行文档特征提取， 根 据提取的文档特征构建蛋白质序列的文档特征 向量， 对词元素表示的氨基酸子 序列进行蛋白质链生物学特征提取， 根据提取到的生物学特征构建蛋白质序列 的生物学特征向量， 使用预设的氨基酸残基分类模型对使用文档特 征向量和生 物学特征向量表示的氨基酸子序列进行分类， 得到蛋白质序列的氨基酸残基类 型， 从而提高了蛋白质结合位点预测的准确性和泛 用性。 该计算设备 4中处理器 40在执行计算机程序 42吋实现的步骤具体可参考实施例一中方法的� ��述， 在此 不再赘述。

[0075] 实施例五：

[0076] 在本发明实施例中， 提供了一种计算机可读存储介质， 该计算机可读存储介质 存储有计算机程序， 该计算机程序被处理器执行吋实现上述蛋白质 结合位点的 预测方法实施例中的步骤， 例如， 图 1所示的步骤 S101至 S104。 或者， 该计算机 程序被处理器执行吋实现上述各装置实施例中 各单元的功能， 例如图 2所示单元 21至 24、 图 3所示单元 31至 38的功能。

[0077] 在本发明实施例中， 接收待预测的蛋白质序列， 使用预设的滑动窗口和滑动步 长对蛋白质序列进行序列划分， 得到组成该待预测蛋白质序列的多个氨基酸子 序列， 根据得到的多个氨基酸子序列构建蛋白质序列 的词向量， 该词向量的词 元素表示每个氨基酸子序列， 对词元素进行文档特征提取， 根据提取的文档特 征构建蛋白质序列的文档特征向量， 对词元素表示的氨基酸子序列进行蛋白质 链生物学特征提取， 根据提取到的生物学特征构建蛋白质序列的生 物学特征向 量， 使用预设的氨基酸残基分类模型对使用文档特 征向量和生物学特征向量表 示的氨基酸子序列进行分类， 得到蛋白质序列的氨基酸残基类型， 从而提高了 蛋白质结合位点预测的准确性和泛用性。 该计算机程序被处理器执行吋实现的 蛋白质结合位点的预测方法进一步可参考前述 方法实施例中步骤的描述， 在此 不再赘述。

[0078] 本发明实施例的计算机可读存储介质可以包括 能够携带计算机程序代码的任何 实体或装置、 记录介质， 例如， ROM/RAM、 磁盘、 光盘、 闪存等存储器。 以上所述仅为本发明的较佳实施例而已， 并不用以限制本发明， 凡在本发明的 精神和原则之内所作的任何修改、 等同替换和改进等， 均应包含在本发明的保 护范围之内。