万 晓 耕

(北京化工大学 数理学院，北京 100029)

蛋白质是生命过程中的重要有机物，其序列、结构和功能多种多样。蛋白质由20种氨基酸通过肽键结合形成肽链，这些肽链通过折叠形成多种多样的结构[1]。蛋白质的序列决定结构，而序列和结构又决定了它的功能[1]。研究蛋白质的结构分类和预测对深入了解蛋白质的作用和功能具有重要意义。蛋白质结构的研究分为蛋白质二级结构的研究和对其空间结构的研究，其中蛋白质的二级结构指的是其骨干肽链的结构。蛋白质的二级结构可以分为不同的结构类型。例如，在CATH数据库中，蛋白质的二级结构分为三个主要结构类型：主要α结构(Mainlyαstructures)类，主要β结构(Mainlyβstructures)类，和混合α与β结构(Mixedαandβstructures)类[1]。蛋白质二级结构的预测通常利用蛋白质的氨基酸序列信息预测其可能形成的二级结构类型。常用的蛋白质二级结构预测方法包括人工神经网络法、最近邻法和支持向量机法等[1]。一些经典的蛋白质二级结构预测方法包括Chou-Fasman[2]、GOR[3]、 PHD[4]、CONCORD[5]、 I-TASSER[6], 以及Robetta[7]等方法。

蛋白质的二级结构可以进一步分为不同的折叠结构。Ding和Dubchak提出了一种基于支持向量机和神经网络的多类蛋白质折叠识别方法[8]。Edler和Grassmann做出了关于统计学方法在蛋白质折叠类预测中的角色和结果的研究[9]。 Huang等提出了一种基于分层学习体系结构的带自动特征选择的蛋白质折叠分类方法[10]。Jo等做出了利用深度学习网络来改进蛋白质折叠识别的研究[11]。Khan和Shahzad提出了一种新的受蚂蚁启发的基于关联规则分类器的蛋白质分类方法[12]。……