摘要：根據(jù)蛋白質(zhì)氨基酸鏈探測其同源蛋白質(zhì),進(jìn)而預(yù)測蛋白質(zhì)的功能,是生物信息學(xué)研究領(lǐng)域的一個重要挑戰(zhàn),也是眾多生物醫(yī)學(xué)研究領(lǐng)域的基礎(chǔ)研究內(nèi)容,有著重要的科研價值和廣泛的應(yīng)用需求。其研究難點在于:(1)如何學(xué)習(xí)對同源蛋白質(zhì)預(yù)測有效、有用的蛋白質(zhì)特征信息;(2)如何更好地運(yùn)用蛋白質(zhì)特征信息,實現(xiàn)同源蛋白質(zhì)的探測與識別。為了解決同源蛋白質(zhì)探測與識別研究中的關(guān)鍵難點,本文提出一種基于混合深度學(xué)習(xí)架構(gòu)的同源蛋白質(zhì)探測與識別模型(HDLMPHP)。通過采用統(tǒng)一的“管道式”深度學(xué)習(xí)架構(gòu),將蛋白質(zhì)特征學(xué)習(xí)和探測識別統(tǒng)一為一個整體,提高同源蛋白質(zhì)探測與識別的效能。采用多組并行的深度卷積神經(jīng)網(wǎng)絡(luò),學(xué)習(xí)蛋白質(zhì)的各種屬性信息,以期獲得豐富的待檢測蛋白質(zhì)和靶蛋白質(zhì)的高級相關(guān)性特征,并通過全連接方式使用多層RBM結(jié)構(gòu)融合和精煉這些相關(guān)性特征為全局相關(guān)性特征。通過統(tǒng)一的深度網(wǎng)絡(luò)連接方式,以探測和識別任務(wù)為導(dǎo)向,學(xué)習(xí)到對于同源蛋白質(zhì)預(yù)測最有效、最全面的蛋白質(zhì)特征信息。在標(biāo)準(zhǔn)數(shù)據(jù)集SCOPe上,對所提模型進(jìn)行性能與效率評測,結(jié)果表明:本文提出的模型能有效地學(xué)習(xí)到符合任務(wù)導(dǎo)向的蛋白質(zhì)特征數(shù)據(jù),提升同源蛋白質(zhì)探測與識別的準(zhǔn)確度和召回率,優(yōu)于現(xiàn)有的模型和算法。