一种基于CNN-LSTM神经网络从核桃酶解产物中筛选阿尔兹海默症预防肽的方法技术

本发明专利技术属于多肽技术领域，提供了一种基于CNN

【技术实现步骤摘要】
一种基于CNN
‑
LSTM神经网络从核桃酶解产物中筛选阿尔兹海默症预防肽的方法


[0001]本专利技术涉及多肽领域，尤其涉及一种基于CNN
‑
LSTM神经网络从核桃酶解产物中筛选阿尔兹海默症预防肽的方法。

技术介绍

[0002]阿尔兹海默症(AD)是一种起因隐匿的中枢神经退化性疾病，严重影响着人类的健康。研究发现，多种因素影响着AD的进展，包括：氧化应激、神经炎症、胆碱能缺失、Aβ蛋白沉积和Tau蛋白神经纤维缠结的形成等。由于早期的AD治疗药物大多是针对单一发病机理进行研发，且AD患者的大脑突触和神经元的损失是不可逆的，导致目前治疗药物的收效甚微。同时，由于AD的早期症状不明显，大多数患者在晚期才被确认，这使得治疗更加困难。因此，尽快做好预防工作是非常关键的，通过早期的干预，如接种疫苗和饮食调理等，将降低患病的风险。大量数据表明，饮食与健康之间的联系十分紧密。生酮饮食是指摄取高比例脂肪、低比例碳水化合物、蛋白质和其他营养的饮食方式，已在上世纪用于治疗儿童难治性癫痫病。近期研究表明，生酮饮食可能是痴呆患者的福音。地中海饮食是以种类丰富的植物食品为基础，包括大量水果、蔬菜、土豆、五谷杂粮、豆类、坚果、种子等，被证实可以保护大脑免受血管损伤，降低发生中风和记忆力减退的风险。由此可见，饮食调理是预防神经性疾病的理想方案。
[0003]研究发现，在AD的早期阶段，常伴有氧化应激、神经炎症和胆碱能缺失的发生。通过日常食用具有抗氧化、消炎和防止胆碱能缺失的食物，有利于预防AD的发生。从植物中获得的多肽具有丰富的氨基酸种类和多样的生物活性，拥有多种针对AD病理发展的功效，可以为人体提供丰富的营养和疾病预防能力。到目前为止，已经从植物源多肽中发现了大量抗氧化、消炎和防止胆碱能缺失的多肽，通过食用植物源多肽是预防AD的理想策略。
[0004]植物源多肽通常由植物蛋白分解而来，这伴随着大量不同序列的肽、普通肽和活性肽的产生，如何鉴定和筛选具有预防AD功能的多肽是一个重要的过程。通常情况下，需要鉴定多条植物源AD预防肽序列，并逐个验证后获得具有预防AD功效的多肽，这将消耗大量的精力和金钱，阻碍了植物源AD预防肽的产业化。此外，在大多数已有的报道中，每一条多肽仅仅涉及单一AD发病机制，这和AD药物的开发过程十分类似。这或许就是虽然发现了大量植物源AD预防肽，但还没有一款产品问世的原因，这也阻碍了植物源AD预防肽的发展。
[0005]核桃仁中丰富的油脂含量(65.8％)以及多种不饱和脂肪酸，使得核桃可作为植物油的来源之一。核桃粕是核桃仁榨油后的副产物，蛋白质含量超过50％，是十分优质的植物蛋白来源。而且，核桃蛋白中参与学习和记忆的氨基酸(谷氨酸、精氨酸和天冬氨酸)含量超过45％，是生产AD预防肽的优秀选择。但是大多数核桃粕都被用作饲料或者直接丢弃，不仅造成核桃蛋白资源的浪费，也严重阻碍了核桃产业的发展。

技术实现思路

[0006]本专利技术的目的在于提供一种基于CNN
‑
LSTM神经网络从核桃酶解产物中筛选阿尔兹海默症预防肽的方法，所建立的CNN
‑
LSTM神经网络能够筛选植物源阿尔兹海默症预防肽，采用本专利技术方法筛选得到的阿尔兹海默症预防肽能够预防阿尔兹海默症。
[0007]为了实现上述专利技术目的，本专利技术提供以下技术方案：
[0008]本专利技术提供了一种基于CNN
‑
LSTM神经网络从核桃酶解产物中筛选阿尔兹海默症预防肽的方法，包括以下步骤：
[0009](1)从核桃蛋白酶解产物中获得多肽序列，根据置信度>95％，多肽分子量≤1500、谱峰积分面积>1
×
108、未在uni_walnuts数据库中搜索到对应蛋白来源的多肽序列进行筛选，得到初始数据；
[0010](2)在Web ofScience数据库中筛选具有氧化应激、神经消炎和胆碱能缺失活性的多肽数据，将多肽数据分为训练集和验证集；
[0011](3)将训练集数据输入CNN
‑
LSTM神经网络中，对阿尔兹海默症预防肽的特征进行学习总结，使用验证集数据进行验证，得到阿尔兹海默症预防肽预测模型；
[0012](4)将步骤(1)得到的初始数据输入到步骤(3)获得的预测模型中进行筛选，得到阿尔兹海默症预防肽。
[0013]优选的，在步骤(2)获得多肽数据后，分训练集和验证集之前，还包括将所述多肽数据中的氨基酸使用数字替换的步骤。
[0014]优选的，所述氨基酸与数字替换的对应关系为Ala,A
‑
1、Cys,C
‑
2、Asp,D
‑
3、Glu,E
‑
4、Phe,F
‑
5、Gly,G
‑
6、His,H
‑
7、Ile,I
‑
8、Lys,K
‑
9、Leu,L
‑
10、Met,M
‑
11、Asn,N
‑
12、Pro,P
‑
13、Gln,Q
‑
14、Arg,R
‑
15、Ser,S
‑
16、Thr,T
‑
17、Val,V
‑
18、Trp,W
‑
19和Tyr,Y
‑
20。
[0015]优选的，步骤(4)中所述预防肽根据预测模型输出结果判断是否具备对抗阿尔兹海默症病理的活性，“0”表示多肽不具备对抗阿尔兹海默症病理的活性，“1”表示多肽具备对抗阿尔兹海默症病理的活性。
[0016]本专利技术还提供了具有预防阿尔兹海默症功效的多肽，所述多肽自N端到C端的氨基酸序列如SEQ ID NO.1～SEQ ID NO.4所示，具体如下：
[0017]EPEVLR(SEQ ID NO.1)：Glu
‑
Pro
‑
Glu
‑
Val
‑
Leu
‑
Arg；
[0018]VFPTER(SEQ ID NO.2)：Val
‑
Phe
‑
Pro
‑
Thr
‑
Glu
‑
Arg；
[0019]EYVTLK(SEQ ID NO.3)：Glu
‑
Tyr
‑
Val
‑
Thr
‑
Leu
‑
Lys；
[0020]ELEWER(SEQ ID NO.4)：Glu
‑
Leu
‑
Glu
‑
Trp
‑
Glu
‑
Arg。
[0021]相比于现有技术，本专利技术的有益效果为：
[0022]本专利技术从核桃蛋白本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN
‑
LSTM神经网络从核桃酶解产物中筛选阿尔兹海默症预防肽的方法，其特征在于，包括以下步骤：(1)从核桃蛋白酶解产物中获得多肽序列，根据置信度>95％，多肽分子量≤1500、谱峰积分面积>1
×
108、未在uni_walnuts数据库中搜索到对应蛋白来源的多肽序列进行筛选，得到初始数据；(2)在Web ofScience数据库中筛选具有氧化应激、神经消炎和胆碱能缺失活性的多肽数据，将多肽数据分为训练集和验证集；(3)将训练集数据输入CNN
‑
LSTM神经网络中，对阿尔兹海默症预防肽的特征进行学习总结，使用验证集数据进行验证，得到阿尔兹海默症预防肽预测模型；(4)将步骤(1)得到的初始数据输入到步骤(3)获得的预测模型中进行筛选，得到阿尔兹海默症预防肽。2.根据权利要求1所述的筛选阿尔兹海默症预防肽的方法，其特征在于，在步骤(2)获得多肽数据后，分训练集和验证集之前，还包括将所述多肽数据中的氨基酸使用数字替换的步骤。3.根据权利要求2所述的筛选阿尔兹海默症预防肽的方法，其特征在于，所述氨基酸与数字替换的对应关系为Ala,A
‑
1、Cys,C
‑
2、Asp,D
‑

【专利技术属性】
技术研发人员：李聪，林立钶，申烨华，
申请(专利权)人：西北大学，
类型：发明
国别省市：