基于LPC及PSI-BLAST谱的蛋白质结构类预测方法研究的中期报告.docx

基于LPC及PSI-BLAST谱的蛋白质结构类预测方法研究的中期报告
该研究旨在开发一种基于LPC（LocalProteinCoordinat）和PSI-BLAST谱的蛋白质结构类预测方法。在本次中期报告中，我们进行了以下工作：
1.数据集的准备
我们选取了PDB中的250个结构类似但序列相似度较低的蛋白质作为数据集，并根据已有的实验数据将其分为4个结构类别：α螺旋，β片层，α+β型和不规则结构。在预测中，我们将把每个蛋白质分为这四类中的一类。
2.特征提取
我们采用LPC作为蛋白质结构的特征提取方法，通过计算所有原子间的距离，得到每个氨基酸残基的LPC向量表示。同时，我们还使用了PSI-BLAST谱来获取蛋白质序列的进化信息，并将其作为特征之一。
3.模型训练
我们使用了多层感知机（MLP）作为结构类预测的模型，并利用我们准备好的数据集进行了模型的训练。在模型中，我们使用了交叉熵作为损失函数，并使用了随机梯度下降法来进行参数优化。
4.中期结果
在250个测试样本中，我们的模型在结构类预测上的准确率达到了70%左右。其中，对于α螺旋、β片层和α+β型结构的预测准确率均超过了70%，而对于不规则结构的准确率略低于60%。
5.下一步工作
我们将继续尝试改进模型的性能，例如尝试使用其他的特征提取方法或模型优化算法。同时，我们也将扩大数据集的规模并尝试进行更多的实验验证。