基于ICM脉冲时间编码的蛋白质序列特征提取及二级结构预测研究

Protein secondary structure prediction (PSSP) is the key issue for the prediction and analysis of protein function. Intersecting cortical model (ICM) is a new artificial neural network model which simulates the local connection and pulse coupling nature of neurons in mammalian visual cortex, and the model can effectively extract the classified features of protein sequence with its pulse coding. This study combines the biological characteristics of protein with the pulse coding characteristic of ICM for PSSP, and it includes the ICM pulse coding of protein sequence, multi-feature extraction and fusion, pattern classification based on reinforcement learning theory or other models, and parameters intelligent optimization of ICM. This study can effectively overcome the deficiencies and difficulties of traditional experimental biology, provide effective information for PSSP by extracting features and eliminating redundant information, strengthen the identifiability of data patterns, which can further provide effective features for PSSP. This study can provide the new technology and method for protein structure analysis and prediction, ulteriorly.

在更精细地的分类基础上，蛋白质二级结构预测是预测和分析蛋白质功能的关键环节。交叉视皮层模型（ICM）作为模拟哺乳动物视皮层神经元局部连接与脉冲耦合特性的新型人工神经网络模型，可利用时间脉冲编码形式，从时空角度有效地提取输入的鉴别特征。本项目拟以蛋白质序列的生物特性为出发点，结合ICM的脉冲编码特性，围绕蛋白质序列的ICM脉冲时间编码、多特征提取与融合、基于强化学习等理论的模式分类学习、神经元参数的智能优化等方面开展研究，提出有效可行的蛋白质二级结构预测技术方案。本项目的研究能有效规避传统生物实验测定方法存在的不足和困难，高效地提取蛋白质序列特征信息并剔除冗余信息，强化数据模式的可鉴别性，为蛋白质的结构预测提供更为有效的特征信息，进而为蛋白质的结构分析和预测提供新的技术和方法。

蛋白质二级结构预测是分析蛋白质结构和功能的关键环节，其对分子设计、生物制药等领域具有重要的现实意义。本项目从蛋白质序列的生物特性出发，结合交叉视皮层模型（ICM）的脉冲编码特性对蛋白质序列的特征提取、融合、降维展开了深入的研究，并基于蛋白质的特征信息对基于神经网络的模式分类学习、神经元参数的智能优化等方面开展了进一步的探索，从多个维度提出了有效可行的ICM动力机制理论分析方法、蛋白质特征处理方法和蛋白质二级结构预测方案。通过理论分析和实验证明，本项目的研究能较好地规避传统生物实验测定方法存在的不足和困难，有效地提取蛋白质序列特征信息并剔除冗余信息，强化数据模式的可鉴别性，为脉冲编码和特征提取领域提供理论支撑、为蛋白质的结构分析和预测提供新的技术和方法、为蛋白质的结构预测提供更为有效的特征信息。同时，基于本项目的研究方案还开展了一定的拓展研究，包括蛋白质亚细胞定位、Hi-C数据分析、图像融合等。本项目的研究取得了较好的研究成果，发表学术论文40余篇，其中，SCI检索论文26篇，申请发明专利15项，已经获批授权专利3项，培养博士后2名、博士生11名、硕士生27名，超额完成了项目预定的成果目标。在本项目的研究基础上，项目组成员将结合智能算法，进一步在Hi-C数据分析、生物图像处理等方面展开研究。