山东大学2019级软件工程应用与实践——基于人工智能的多肽药物分析问题（四）

2021SC@SDUSC

基于人工智能的多肽药物分析问题

主题：肽与HLA分子结合预测研究（4）

材料和方法

HLA-肽结合和免疫原性数据

HLA I类等位基因和肽之间的结合数据来自IEDB
http://www.iedb.org/

对HLA-肽对进行筛选：

• 属于HLA-A、B和C亚型的HLA I类等位基因
• 肽的长度在8到15之间
• 排除实验结果不一致的肽对

总共获得了327178个非冗余HLA-肽对，覆盖169个HLA等位基因，其中257089个为结合物

然后通过以下步骤平衡每个等位基因的阳性数据和阴性数据：

1. 基于327178对训练基本模型
2. 创建假HLA肽对。

每个HLA等位基因 $N_{pse}$ 的创建伪对数计算如下：
$$N_{pse}=100\ast |N_{pos}-N_{neg}|$$
其中$N_{pos}$和$N_{neg}$分别代表每个HLA等位基因的阳性和阴性对数。通过随机选择Ensembl数据库中的一种蛋白质并在该蛋白质中随机提取8-11个无突变的肽，以及使用基本模型预测伪对的结合可能性，并为每个等位基因选择高置信度阴性对（得分<0.1）或阳性对（得分>0.9）。

经过这些步骤后，大多数等位基因的数据是平衡的，具有异常比例的等位基因被删除了。最后，使用437077个HLA对（包含81个HLA等位基因）训练结合模型，其中280525个收集到的对和156552个伪对。

pHLA的免疫原性数据也从IEDB得到。

对数据进行筛选：

• 肽的长度在8到15之间
• 对于实验结果不一致的配对，我们选择阳性配对

最后，获得32785对HLA-肽，其中5702对与HLA-A02:01相关。在32785个HLA-肽对中，7212个具有免疫原性，3013个免疫原性HLA肽对与HLA-A02:01相关。

代码分析

接上次的代码，分析attention.py模块的代码

代码结构
attention.py

from keras import backend as K, initializers, regularizers, constraints
from keras.engine.topology import Layer

def dot_product(x, kernel):
    if K.backend() == 'tensorflow':
        return K.squeeze(K.dot(x, K.expand_dims(kernel)), axis=-1)
    else:
        return K.dot(x, kernel)

Keras 是一个兼容 Theano 和 Tensorflow 的神经网络高级包，Keras基于backend来做运算。

Keras 可以基于两个backend，一个是 Theano，一个是 Tensorflow。如果选择Theano作为Keras的Backend， 那么Keras就用 Theano 在底层搭建所需要的神经网络；同样，如果选择 Tensorflow ，Keras 就使用 Tensorflow 在底层搭建神经网络。

接下来为Attention类，参数为Layer，这个类中定义了五个方法。

__init__方法

    def __init__(self,
                 W_regularizer=None, b_regularizer=None,
                 W_constraint=None, b_constraint=None,
                 bias=True,
                 return_attention=False,
                 **kwargs):

        self.supports_masking = True
        self.return_attention = return_attention
        self.init = initializers.get('glorot_uniform')

        self.W_regularizer = regularizers.get(W_regularizer)
        self.b_regularizer = regularizers.get(b_regularizer)

        self.W_constraint = constraints.get(W_constraint)
        self.b_constraint = constraints.get(b_constraint)

        self.bias = bias
        super(Attention, self).__init__(**kwargs)

Keras模型参数：

• W_regularizer: 权重上的正则化

• b_regularizer: 偏置项的正则化

• W_constraint: 权重上约束项

• b_constraint: 偏置上的约束项

• bias: 是否添加偏置项

初始化方法定义了对Keras层设置初始化权重的方法。

initializers.get('glorot_uniform')

glorot_normal(seed=None)

glorot正态分布初始化方法，也称作Xavier正态分布初始化，参数由0均值，标准差为sqrt(2 / (fan_in + fan_out))的正态分布产生，其中fan_in和fan_out是权重张量的扇入扇出（即输入和输出单元数目）。

seed：随机数种子

bulid(self, input_shape)

    def build(self, input_shape):
        assert len(input_shape) == 3

        self.W = self.add_weight((input_shape[-1],),
                                 initializer=self.init,
                                 name='{}_W'.format(self.name),
                                 regularizer=self.W_regularizer,
                                 constraint=self.W_constraint)
        if self.bias:
            self.b = self.add_weight((input_shape[1],),
                                     initializer='zero',
                                     name='{}_b'.format(self.name),
                                     regularizer=self.b_regularizer,
                                     constraint=self.b_constraint)
        else:
            self.b = None

        self.built = True

参考资料：
[1] https://www.jianshu.com/p/ca41dbd91de6