33、蛋白质二级结构预测与结合补丁形状匹配研究

蛋白质二级结构预测与结合补丁形状匹配研究

蛋白质二级结构预测实验

在蛋白质二级结构预测中，为评估不同的结构到结构分类器，使用了CB513数据集，该数据集包含513个序列，由84119个残基组成。残基描述 $x_i$ 的推导已详细说明，其标签 $y_i$ 最初由DSSP程序进行二级结构分配，并按照CASP方法从8种构象状态简化为3种，即 $H + G → H$（α - 螺旋），$E + B → E$（β - 链），其他状态归为 $C$（无规卷曲）。

使用两个滑动窗口，分别以目标残基为中心，大小分别为13（序列到结构）和15（结构到结构，$T_l = T_r = 7$）。参考性能由包含两个多层感知器（MLP）的级联架构提供，其隐藏层大小分别为16（序列到结构）和6（结构到结构）。

为评估预测准确性，计算了三个最常用的标准指标：识别率 $Q_3$、Pearson - Matthews相关系数 $C_{α/β/coil}$ 和最新版本的片段重叠度量（$Sov‘99$），概率估计质量通过（平均）交叉熵（$CE$）衡量。采用七折交叉验证程序训练级联的两个层次并评估性能，每次使用三分之二的训练集训练序列到结构分类器，三分之一训练结构到结构分类器。实验结果如下表所示：
| 级联架构 | $Q_3$ (%) | $C_α$ | $C_β$ | $C_{coil}$ | $Sov‘99$ (%) | $CE$ |
| — | — | — | — | — | — | — |
| MLP + MLP | 74.6 | 0.69 | 0.59 | 0.54 | 71.1 | 0.615 |
| M - SVMs + 逻辑回归 | 76.5 | 0.71 | 0.62