CN119399500A 基于尺度不变特征变换和预过滤的同源蛋白质查找方法 （清华大学）

基于尺度不变特征变换和预过滤的同源蛋一种基于尺度不变特征变换和预过滤的同源蛋面分区的预过滤算法从大规模蛋白质数据库中将待比对蛋白质结构与候选蛋白质结构的特征描述向量矩阵进行GPU加速的精确比对，以生成2提取待比对蛋白质结构和预设的大规模蛋白质数据库中每个待筛选蛋白质结构的一待筛选蛋白质结构的特征描述向量矩阵在所述目标高维球面获取所述待比对蛋白质结构在所述目标高维球面上的区块标识符与所有待筛选蛋白将所述待比对蛋白质结构与所述至少一个候选蛋白质结构的特征描述向量矩阵进行2.根据权利要求1所述的基于尺度不变特征变换和预过滤的同源蛋白质查找方法，其对蛋白质结构和所述每个待筛选蛋白质结构对应的3.根据权利要求1所述的基于尺度不变特征变换和预过滤的同源蛋白质查找方法，其将目标维度的目标高维球面中每对坐标轴的正半轴平面等分为多根据所述圆心角将所述目标高维球面划分为多个子区域，并通过多将所述待比对蛋白质结构和所述每个待筛选蛋白质结构的每个特征描述向量映射至3结构和所述每个待筛选蛋白质结构的多位五进制数的区4.根据权利要求1所述的基于尺度不变特征变换和预过滤的同源蛋白质查找方法，其对每个蛋白质结构的所有的十进制数区块标识符进行去重操作，并块标识符数量大于所述预过滤阈值，则将对应的待筛选蛋白质结构确定为候选蛋白质结5.根据权利要求1所述的基于尺度不变特征变换和预过滤的同源蛋白质查找方法，其基于所述待比对蛋白质结构和所述至少一个候选蛋白质结构中每个候选蛋白质结构对比所述余弦相似度和预设的相似度阈值，并当所述余弦相似度大对所述待比对蛋白质结构与所有候选蛋白质结构的匹配得分和匹配数量进行归一化数或者所述相似度排序确定所述待比对蛋白质对应的同源蛋6.根据权利要求5所述的基于尺度不变特征变换和预过滤的同源蛋白质查找方法，其数据库处理模块，用于提取待比对蛋白质结构和预设的大规模蛋4白质结构和所述每个待筛选蛋白质结构的特征描述向量矩阵在所述目标高维球面中的区预过滤模块，用于获取所述待比对蛋白质结构在所述目标高维球面上的结果筛选出所述大规模蛋白质数据库中的至少一个候选蛋白质加速比对模块，用于将所述待比对蛋白质结构与所述所述比对结果确定所述待比对蛋白质结构对应的同源蛋白质8.根据权利要求7所述的基于尺度不变特征变换和预过滤的同源蛋白质查找装置，其酸的碳原子坐标构建所述蛋白质结构对应的碳矩阵构建单元，用于利用预设的尺度不变特征变换算法提取操作，得到所述待比对蛋白质结构和所述每个待筛选蛋白质结构对应的特征描述向量矩9.根据权利要求7所述的基于尺度不变特征变换和预过滤的同源蛋白质查找装置，其等分单元，用于将目标维度的目标高维球面中每对坐标轴的正半表征单元，用于根据所述圆心角将所述目标高维球面划分为多映射单元，用于将所述待比对蛋白质结构和所述每个待筛选蛋白待比对蛋白质结构和所述每个待筛选蛋白质结构的多位五进制数的区块标识符转化为十去重单元，用于对每个蛋白质结构的所有的十进制数区块算所述待筛选蛋白质结构去重后的区块标识符与所述待比对蛋白质结构去重后的区块标5余弦相似度计算单元，用于基于所述待比对蛋白质结构和待比对蛋白质结构的每个SIFT特征与所述每个候选蛋白质结构中最相似的一个SIFT特征查找单元，用于对所述待比对蛋白质结构与所有候选蛋所述匹配总分数或者所述相似度排序确定所述待比对蛋白质对应的同源蛋白质12.根据权利要求11所述的基于尺度不变特征变换和预过滤的同源蛋白质查找装置，6[0002]随着人工智能驱动的蛋白质结构预测工具（如AlphaFold2、RoseTTAFold和算法的速度比较，Dali算法在面对数亿级别蛋白质数据库的单次搜索时可能需要数月甚至具有高柔性区域的蛋白质时精度有所下降。例如，Foldseek算法通过将结构比对简化为序示，Foldseek算法可能会出现错误比对或错失重要的同源结构，其中，图1中的（b）使用Foldseek算法和ADAMS算法对人类一秀丽隐杆线虫同源蛋白质进行结构比对的正确率进行比对。[0007]本发明第一方面实施例提供一种基于尺度不变特征变换和预过滤的同源蛋白质7白质结构和所述每个待筛选蛋白质结构的特征描述向量矩阵在所述目标高维球面中的区至少一个候选蛋白质结构的特征描述向量矩阵进行GPU加速的精确比对，以生成所述待比坐标之间的欧氏距离，以根据所述每两个一碳原子坐标之间的欧氏距离建立所述距离矩对蛋白质结构和所述每个待筛选蛋白质结构对应的特和所述每个待筛选蛋白质结构的特征描述向量矩阵在所述目标高维球面中的区块标识符，对蛋白质结构和所述每个待筛选蛋白质结构的每个特征描述向量映射至所述目标高维球待筛选蛋白质结构的多位五进制数的区块标识符转筛选蛋白质结构去重后的区块标识符与所述待比对蛋白质结构去重后的区块标识符的交8块标识符数量大于所述预过滤阈值，则将对应的待筛选蛋白质结构确定为候选蛋白质结个候选蛋白质结构的特征描述向量矩阵进行GPU加速的精确比对，以生成所述待比对蛋白并根据所述匹配总分数或者所述相似度排序确定所述待比对蛋白质对应的同源蛋白质结质结构之间所有SIFT特征对的余弦相似度矩阵[0014]本发明第二方面实施例提供一种基于尺度不变特征变换和预过滤的同源蛋白质述待比对蛋白质结构和所述每个待筛选蛋白质结构的特征描述向量矩阵在所述目标高维判断所述交集是否满足预设的预过滤条件，以确定所述每个待筛选蛋白质结构的判断结果，且根据所述判断结果筛选出所述大规模蛋白质数据库中的至少一个候选蛋白质结构；比对结果确定所述待比对蛋白质结构对应的同源蛋白质9质结构之间所有SIFT特征对的余弦相似度矩阵本申请实施例通过提取待比对蛋白质结构和预设的大规模蛋白质数据库中每个于多个SIFT特征点为待比对蛋白质结构和每个待筛选蛋白质结构构建对应的特征描述向[0023]本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得图2为根据本申请实施例提供的一种基于尺度不变特征变换和预过滤的同源蛋白图3为根据本申请一个实施例的通过尺度不变特征变换算法提取距离矩阵各个尺图7为根据本申请一个实施例的利用Foldseek算法（包括有预过滤器的Foldseek算法和无预过滤器的Foldseek算法）、ADAMS算法和ADAMS2.0算法在蛋白质数据库SwProtein中搜索cdh10和TUBA1的速图9为根据本申请实施例提供的一种基于尺度不变特征变换和预过滤的同源蛋白[0025]下面参考附图描述本申请实施例的基于尺度不变特征变换和预过滤的同源蛋白对蛋白质结构在目标高维球面上的区块标识符与所有待筛选蛋白质结构的区块标识符的白质结构；将待比对蛋白质结构与至少一个候选蛋白质结构的特征描述向量矩阵进行GPU[0026]具体而言，图2为本申请实施例所提供的一种基于尺度不变特征变换和预过滤的[0027]如图2所示，该基于尺度不变特征变换和预过滤的同源蛋白质查找方法包括以下应的特征描述向量矩阵，且将每个蛋白质结构的特征描述向量矩阵映射至目标高维球面，以确定每个蛋白质结构的特征描述向量矩阵在目标高维球[0035]需要注意的是，在实际执行过程中，本领域技术人员可根据实际情况选择SURF、ORB等其他合适的基于图像关键点的计算机视觉比较技术，或者利用对比学习模型等与计每个待筛选蛋白质结构的多位五进制数的区块标识符转施例可将每对坐标轴的正半轴组成的平面等分为5个扇形区域，每个扇形区域的圆心角为数进行编号。[0042]进而，本申请的实施例可将每个蛋白质结构的127位的五进制数表示的区块标识取待比对蛋白质结构的特征描述向量矩阵在目标高维球面中的十进制区块标识符以及每2、计算待筛选蛋白质结构去重后的区块标识符与待比对蛋白质结构去重后的区乘的方式计算待比对蛋白质结构和每个候选蛋白质结构之间每个SIFT特征对的余弦相似匹配总分数或者相似度排序确定待比对蛋白质对应的同源蛋白质[0056]在通过ADAMS算法进行比对时，待比较的两个蛋白质的特征描述向量矩阵可分别记为，并通过余弦相似度矩阵的计算表达式计算两蛋[0062]举例而言，若待比对蛋白质结构的SIFT特征1与候选蛋白质结构中的SIFT特征1、值1，并认为待比对蛋白质结构的SIFT特征1与候选蛋白质结构中的SIFT特征2为最相似的应的匹配得分并对待比对蛋白质结构与所有的候选蛋白质结构的匹配得分和匹配数量相似度即为待比对蛋白质结构和某个候选蛋白质结构的SIFT特征的交集与SIFT特征的并[0069]此外，如图7所示，本申请的实施例可利用Foldseek算法（包括有预过滤器的专家验证的蛋白质数据库SwissProtein中搜索cdh_10和TUBA1，以进行结构搜索比对时，Foldseek算法使用了两台配备IntelPlatinum8352V专业服务器CPU（Central2.0算法则采用了两块NVIDIAR过滤的同源蛋白质查找方法的执行过程和效果进行Swiss_prot部分542379个蛋白质为例，本申请实施例可以从/[0072]本申请实施例可以将下载于pdb文件夹的所有文件转换为ADAMS2.0可读的pkl文[0073]步骤2：本申请实施例可以从AlphaFold/RCSB等蛋白质结构数据库中取得蛋白结者匹配总分数对结果进行排序，默认排序为匹配总分数从大到小，得到如表1所示的排序[0079]根据本申请实施例提出的基于尺度不变特征变换和预过滤的同源蛋白质查找方蛋白质结构的特征描述向量矩阵进行GPU加速的精确比对，以生成待比对蛋白质结构的比[0081]图9是本申请实施例的基于尺度不变特征变换和预过滤的同源蛋白质查找装置的选蛋白质结构的特征描述向量矩阵在目标高维球面中的[0084]预过滤模块200，用于获取待比对蛋白质结构在目标高维球面上的区块标识符与规模蛋白质数据库中的至少一个候选蛋白质[0085]加速比对模块300，用于将待比对蛋白质结构与至少一个候选蛋白质结构的特征结果确定待比对蛋白质结构对应的同源蛋白质氨基酸的碳原子坐标构建蛋白质结构对应的比对蛋白质结构和每个待筛选蛋白质结构对应筛选蛋白质结构的多位五进制数的区块标识匹配总分数或者相似度排序确定待比对蛋白质对应的同源蛋施例的解释说明也适用于该实施例的基于尺度不变特征变换和预过滤的同源蛋白质查找[0104]根据本申请实施例提出的基于尺度不变特征变换和预过滤的同源蛋白质查找装对蛋白质结构在目标高维球面上的区块标识符与所有