张帅燕，刘毅慧

(齐鲁工业大学 信息学院，济南 250353)

随着蛋白质数据量的不断扩大，如何从蛋白质序列中提取出有用的生物信息是目前比较紧急重要的任务。蛋白质二级结构[1]是蛋白质形成稳定构象的重要基础，是研究蛋白质序列的重要前提。进而为研究蛋白质的功能以及相互作用模式提供基础，蛋白质研究的进一步发展有利于新药的研发，所以蛋白质的二级结构预测是目前的重要工作。

在蛋白质二级结构预测方面，已有许多的研究方法。基于残基构象性的Chou-Fasman算法[2]和以信息论作为基础的GOR算法[3]，都是单序列预测方法。Qian[4]于1988年用人工神经网络进行预测，得到的准确率在60%以上。吴玉明[5]提取氨基酸的理化特征和倾向因子，采用支持向量机(SVM)进行预测，得到的预测准确率为70.7%。利用kb-prossp-nn算法，对数据CB396的预测准确率为82%[6]。文献[7]中，作者组合特定位置打分矩阵信息和深度学习网络架构，得到的预测准确率为80.7%。

文献[8]中，作者运用动态贝叶斯分类器来进行蛋白质二级结构预测。并且引入了动态贝叶斯分类器稀疏参数算法，得到的预测准确率为76.3%。文献[9]中，作者将支持向量(SVM)和贝叶斯分类器结合起来进行蛋白质二级结构预测，实验数据为RS126数据集。文献[10]中，作者对SARS数据集进行实验，用支持向量机(SVM)进行蛋白质二级结构预测，得到的OvO准确率为89.27%。作者用支持向量机(SVM)对位置特异性打分矩阵(Position specific scoring matrix, PSSM)进行蛋白质二级结构预测，实验数据为CB513，得到的预测准确率为76.11%[11]。

本实验中，将基团编码与PSSM数据组合一起得到的新的编码方式，分别进行自动编码器和贝叶斯分类器进行预测。……