摘要：根據(jù)蛋白質(zhì)氨基酸鏈探測其同源蛋白質(zhì),進而預測蛋白質(zhì)的功能,是生物信息學研究領域的一個重要挑戰(zhàn),也是眾多生物醫(yī)學研究領域的基礎研究內(nèi)容,有著重要的科研價值和廣泛的應用需求。其研究難點在于:(1)如何學習對同源蛋白質(zhì)預測有效、有用的蛋白質(zhì)特征信息;(2)如何更好地運用蛋白質(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鍵難點,本文提出一種基于混合深度學習架構的同源蛋白質(zhì)探測與識別模型(HDLMPHP)。通過采用統(tǒng)一的“管道式”深度學習架構,將蛋白質(zhì)特征學習和探測識別統(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,學習蛋白質(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)的高級相關性特征,并通過全連接方式使用多層RBM結構融合和精煉這些相關性特征為全局相關性特征。通過統(tǒng)一的深度網(wǎng)絡連接方式,以探測和識別任務為導向,學習到對于同源蛋白質(zhì)預測最有效、最全面的蛋白質(zhì)特征信息。在標準數(shù)據(jù)集SCOPe上,對所提模型進行性能與效率評測,結果表明:本文提出的模型能有效地學習到符合任務導向的蛋白質(zhì)特征數(shù)據(jù),提升同源蛋白質(zhì)探測與識別的準確度和召回率,優(yōu)于現(xiàn)有的模型和算法。