紫色球杆菌视紫红质光谱特性的机器学习研究

doi:10.3785/j.issn.1008-9497.2022.03.003

浙江大学学报（理学版）

2022, Vol. 49

Issue (3): 280-286 DOI: 10.3785/j.issn.1008-9497.2022.03.003

数学与计算机科学

紫色球杆菌视紫红质光谱特性的机器学习研究

郏丽丽,孙婷婷(

)

浙江科技学院理学院，浙江杭州 310023

A machine learning study on gloeobacter violaceus rhodopsin spectral properties

Lili JIA,Tingting SUN(

)

School of Sciences College，Zhejiang University of Science and Technology，Hangzhou 310023，China

全文: PDF(864 KB)

HTML( 2 )

摘要：

近年来，机器学习等人工智能技术被应用于蛋白质工程，其在蛋白质结构、功能预测、催化活性等研究中具有独特优势。在未知蛋白质结构的情况下，将蛋白质序列和功能特性与机器学习相结合，基于序列-活性关系（innovative sequence-activity relationship，ISAR）算法，将蛋白质氨基酸序列数字化，用快速傅里叶变换（fast four transform，FFT）进行预处理，再进行偏最小二乘回归建模，可在数据集较少情况下拟合得到最佳模型。通过机器学习对紫色球杆菌视紫红质（gloeobacter violaceus rhodopsin，GR）的突变体蛋白质氨基酸序列与光谱最大吸收波长进行建模，获得了最佳模型。用最佳索引LEVM760106建模得到的确定系数R² 为0.944，均方误差E为11.64。用小波变换进行的预处理，其R² 虽也约为0.944，但E大于11.64，不及FFT进行的预处理。方法较好地解决了蛋白质序列与功能特性之间的数学建模问题，在蛋白质工程中可为预测更优的突变体提供支持。

关键词： 机器学习; 数字信号处理; 光谱特性

Abstract:

In recent years, artificial intelligence technologies such as machine learning have been applied to protein engineering, and have shown unique advantages in studies on as protein structure, function prediction, and catalytic activity. In the absence of protein structure, combining protein sequence and functional properties with machine learning is a new research direction. In this papers, based on a new sequence-activity relationship (ISAR) method, the mutant library of gloeobacter violaceus rhodopsin (GR) and the maximum absorption wavelength of the spectrum are modeled by machine learning. It can fit the best model even in the case of a small number of data sets. The proposed method digitizes the protein amino acid sequence, preprocesses it through fast Fourier transform (FFT), and then performs partial least squares regression (PLSR) modeling. Finally, the best model of the amino acid sequence of the rhodopsin mutant protein and the maximum absorption wavelength of the spectrum is obtained. Modeling with the best index LEVM760106, the coefficient of determination is that R² is 0.944, and the minimum mean square error E is 11.64. In contrast, when the wavelet transform was used to preprocess the data, the coefficient of determination is close to 0.944, but the E is greater than 11.64, not as good as the result of FFT preprocessing. It is shown that, this method effectively solves the mathematical model relationship between protein sequence and functional characteristics, and provides support for predicting better mutants in later protein engineering.

Key words: machine learning digital signal processing (DSP) spectral characteristics

收稿日期: 2021-03-02 出版日期: 2022-05-24

CLC:

Q 332

基金资助: 浙江省自然科学基金资助项目(LY17A040001)

通讯作者: 孙婷婷 E-mail: tingtingsun@zust.edu.cn

作者简介: 郏丽丽（1993—），ORCID： https：//orcid.org/0000-0002-3215-5627，女，硕士，主要从事机器学习、生物统计研究.

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	郏丽丽
	孙婷婷

引用本文:

郏丽丽, 孙婷婷. 紫色球杆菌视紫红质光谱特性的机器学习研究[J]. 浙江大学学报（理学版）, 2022, 49(3): 280-286.

Lili JIA, Tingting SUN. A machine learning study on gloeobacter violaceus rhodopsin spectral properties. Journal of Zhejiang University (Science Edition), 2022, 49(3): 280-286.

链接本文:

https://www.zjujournals.com/sci/CN/10.3785/j.issn.1008-9497.2022.03.003 或 https://www.zjujournals.com/sci/CN/Y2022/V49/I3/280

图1 ISAR算法流程

图2 用ISAR算法由GR数据得到的不同蛋白质光谱

图3 3个蛋白质通过FFT转变为蛋白质光谱

图4 根据不同参数获得550个λmax模型的E值

表1 不同索引下的R2和E

图5 R2= 0.944时GR及突变体的LOOCV预测

表2 不同方法对GR的验证结果

表3 索引LEVM760106中20种氨基酸的数值表示

1	MUGGLETON S， KING R D， STENBERG M J E. Protein secondary structure prediction using logic-based machine learning［J］. Protein Engineering， 1992， 5（7）： 647-657. DOI：10.1093/protein/5.7.647 doi: 10.1093/protein/5.7.647
2	易华伟，唐晓峰. 基于氨基酸序列和模拟结构预测蛋白质稳定性的研究进展［J］. 生物技术通报， 2017， 33（4）： 83-89. DOI：10.13560/j.cnki.biotech.bull. 1985.2017.04.011 YI H W， TANG X F. Research progress on the prediction of protein stability based on amino acid sequence and simulated structure［J］. Biotechnology Bulletin， 2017， 33（4）： 83-89. DOI：10.13560/j.cnki.biotech.bull.1985.2017.04.011 doi: 10.13560/j.cnki.biotech.bull.1985.2017.04.011
3	程淑萍，谭建军，门婧睿. 基于机器学习方法的非编码RNA-蛋白质相互作用的预测［J］. 北京生物医学工程， 2019， 38（4）： 353-359. DOI：10.3969/j.issn. 1002-3208.2019.04.004 CHENG S P， TAN J J， MEN J R. Prediction of ncRNA-protein interactions based on machine learning methods［J］. Beijing Biomedical Engineering， 2019， 38 （4）： 353-359. DOI：10.3969/j.issn.1002-3208.2019.04.004 doi: 10.3969/j.issn.1002-3208.2019.04.004
4	徐开琨，韩明飞，黄传玺，等. 基于质谱的蛋白质生物标志物发现中的特征选择与机器学习方法研究进展［J］. 生物工程学报， 2019， 35（9）： 1619-1632. DOI：10. 13345/j.cjb.190064 XU K K， HAN M F， HUANG C X， et al. Research progress of feature selection and machine learning methods for mass spectrometry-based protein biomarker discovery［J］. Chinese Journal of Biotechnology， 2019， 35（9）： 1619-1632. DOI：10. 13345/j.cjb.190064 doi: 10. 13345/j.cjb.190064
5	胡如云，张嵩亚，蒙海林，等. 面向合成生物学的机器学习方法及应用［J］. 科学通报， 2021， 66（3）： 284-299. DOI：10.1360/TB-2020-0456 HU R Y， ZHANG S Y， MENG H L， et al. Machine learning for synthetic biology： Methods and applications［J］. Chinese Science Bulletin， 2021， 66（3）： 284-299. DOI：10.1360/TB-2020-0456 doi: 10.1360/TB-2020-0456
6	HAMMER S C， KNIGHT A M， ARNOLD F H. Design and evolution of enzymes for non-natural chemistry［J］. Current Opinion in Green and Sustainable Chemistry， 2017， 7： 23-30. DOI：10. 1016/j.cogsc.2017.06.002 doi: 10. 1016/j.cogsc.2017.06.002
7	CHOI Y H， KIM J H， PARK B S， et al. Solubilization and iterative saturation mutagenesis of α1，3-fucosyltransferase from helicobacter pylori to enhance its catalytic efficiency［J］. Biotechnology and Bioengineering， 2016， 113（8）： 1666-1675. DOI：10. 1002/bit.25944 doi: 10. 1002/bit.25944
8	曲戈，朱彤，蒋迎迎，等. 蛋白质工程：从定向进化到计算设计［J］. 生物工程学报， 2019， 35（10）： 1843-1856. DOI：10.13345/j.cjb.190221 QU G， ZHU T， JIANG Y Y， et al. Protein engineering： From directed evolution to computational design［J］. Chinese Journal of Biotechnology， 2019， 35（10）： 1843-1856. DOI：10.13345/j.cjb.190221 doi: 10.13345/j.cjb.190221
9	蒋迎迎，曲戈，孙周通. 机器学习助力酶定向进化［J］. 生物学杂志， 2020， 37（4）： 1-11. DOI：10.3969/j.issn.2095-1736.2020.04.001 JIANG Y Y， QU G， SUN Z T. Machine learning assisted enzyme directed evolution［J］. Journal of Biology， 2020， 37（4）： 1-11. DOI：10.3969/j.issn. 2095-1736.2020.04.001 doi: 10.3969/j.issn. 2095-1736.2020.04.001
10	MOSELEY L G. Introduction to machine learning［J］. Engineering Applications of Artificial Intelligence， 1988， 1（4）： 334. DOI：10.1016/0952-1976（88）90057-7 doi: 10.1016/0952-1976（88）90057-7
11	CADET F， FONTAINE N， LI G Y， et al. A machine learning approach for reliable prediction of amino acid interactions and its application in the directed evolution of enantioselective enzymes［J］. Scientific Reports， 2018， 8（1）： 16757. DOI：10. 1038/s41598-018-35033-y doi: 10. 1038/s41598-018-35033-y
12	FONTAINE N， CADET F. Method and electronic system for predicting at least one fitness value of a protein， related computer program product： U.S. Patent Application 15/565，893［P］. 2018-04-05.
13	CADET F， FONTAINE N， VETRIVEL I， et al. Application of fourier transform and proteochemometrics principles to protein engineering［J］. BMC Bioinformatics， 2018， 19（1）： 382. DOI：10.1186/s12859-018-2407-8 doi: 10.1186/s12859-018-2407-8
14	FONTAINE N， CADET F， VETRIVEL I. Novel descriptors and digital signal processing-Based method for protein sequence activity relationship study［J］. International Journal of Molecular Sciences， 2019， 20（22）： 5640. DOI：10.3390/ijms20225640 doi: 10.3390/ijms20225640
15	OSTAFE R， FONTAINE N， FRANK D， et al. One-shot optimization of multiple enzyme parameters： Tailoring glucose oxidase for pH and electron mediators［J］. Biotechnology and Bioengineering， 2020， 117（1）： 17-29. DOI：10. 1002/bit.27169 doi: 10. 1002/bit.27169
16	BÉJÀ O， ARAVIND L， KOONIN E V， et al. Bacterial rhodopsin： Evidence for a new type of phototrophy in the sea［J］. Science， 2000， 289（5486）： 1902-1906. DOI：10.1126/science.289.5486.1902 doi: 10.1126/science.289.5486.1902
17	BROWN L S， JUNG K H. Bacteriorhodopsin-like proteins of eubacteria and fungi： The extent of conservation of the haloarchaeal proton-pumping mechanism［J］. Photochemical & Photobiological Sciences， 2006， 5（6）： 538-546. DOI：10.1039/b514537f doi: 10.1039/b514537f
18	CLAASSENS N J， VOLPERS M， SANTOS V A P M D， et al. Potential of proton-pumping rhodopsins： Engineering photosystems into microorganisms［J］. Trends in Biotechnology， 2013， 31（11）： 633-642. DOI：10.1016/j.tibtech.2013.08.006 doi: 10.1016/j.tibtech.2013.08.006
19	ENGQVIST M K M， MCLSAAC R S， DOLLINGER P， et al. Directed evolution of Gloeobacter violaceus rhodopsin spectral properties［J］. Journal of Molecular Biology， 2015， 427（1）， 205-220. DOI：10.1016/j.jmb.2014.06.015 doi: 10.1016/j.jmb.2014.06.015
20	COOLEY J W， TUKEY J W. An algorithm for the machine calculation of complex Fourier series［J］. Mathematics of Computation， 1965， 19（90）： 297-301. doi:10.1090/s0025-5718-1965-0178586-1 doi: 10.1090/s0025-5718-1965-0178586-1
21	SHUICHI K， PITOR P， MARIA P， et al. AAindex： Amino acid index database， progress report 2008［J］. Nucleic Acids Research， 2008， 36（Database）： D202-D205. DOI：10.1093/nar/gkm998 doi: 10.1093/nar/gkm998
22	BENSON D C. Digital signal processing methods for biosequence comparison［J］. Nucleic Acids Research， 1990， 18（10）： 3001-3006. DOI：10.1093/nar/18.10.3001 doi: 10.1093/nar/18.10.3001
23	YANG K K， WU Z， BEDBROOK C N， et al. Learned protein embeddings for machine learning［J］. Bioinformatics， 2018， 34（15）： 2642-2648. DOI：10. 1093/bioinformatics/bty178 doi: 10. 1093/bioinformatics/bty178
24	NWANKWO N， SEKER H. Digital signal processing techniques： Calculating biological functionalities［J］. Journal of Proteomics & Bioinformatics， 2011， 4（12）： 260-268. DOI：10. 4172/jpb.1000199 doi: 10. 4172/jpb.1000199
25	LEVITT M. A simplified representation of protein conformations for rapid simulation of protein folding［J］. Journal of Molecular Biology， 1976， 104（1）： 59-107. DOI：10.1016/0022-2836（76）90004-8 doi: 10.1016/0022-2836（76）90004-8
26	CEDANO J， ALOY P， PÉREZ-PONS J A， et al. Relation between amino acid composition and cellular location of proteins ［J］. Journal of Molecular Biology，. doi:10.1006/jmbi.1996.0804 1997， 266（3）： 594-600. DOI：10.1006/jmbi.1996.0804 . doi: 10.1006/jmbi.1996.0804

[1]	常晓洁,张华. 一种基于V-TGRU模型的资源调度算法[J]. 浙江大学学报（理学版）, 2022, 49(4): 467-473.
[2]	郑素佩,闫佳,宋学力,陈荧. 求解大规模矛盾方程组的最小二乘支持向量机算法[J]. 浙江大学学报（理学版）, 2022, 49(4): 435-442.
[3]	李君轶, 任涛, 陆路正. 游客情感计算的文本大数据挖掘方法比较研究[J]. 浙江大学学报（理学版）, 2020, 47(4): 507-520.
[4]	潘水洋, 刘俊玮, 王一鸣. 基于神经网络的股票收益率预测研究[J]. 浙江大学学报（理学版）, 2019, 46(5): 550-555.
[5]	张珣，陈偕雄. 基于串行通信的高速DSP芯片实验系统设计与实现[J]. 浙江大学学报（理学版）, 1999, 26(4): 72-77.

Viewed

Full text

Abstract

Cited

Shared

Discussed