【技术实现步骤摘要】
本专利技术涉及一种基于人工智能辅助筛选油脂抗氧化肽的方法，属于生物信息学。
技术介绍
1、植物油脂在生产存储过程中容易在光、热、水分、氧气、金属离子、酶等外界环境的影响下发生氧化酸败，从而产生多种如醛、酮、酸等小分子物质，在降低油脂品质的同时，摄入人体会产生一定的毒性危害。
2、为了能够抑制植物油脂类产品的氧化，现有研究主要采用抗氧化剂，包括合成抗氧化剂及天然抗氧化剂，为了避免合成抗氧化剂如bha、bht、tbhq等带来的潜在危害，其使用在逐渐被绿色、安全的天然抗氧化剂取代。
3、天然抗氧化肽是一类具有抗氧化活性的小分子肽链，可以通过猝灭自由基、抑制氧化反应、捕获氧化产物等多种方式抑制油脂氧化。但抗氧化肽结构成千上万，其生物活性效果因结构而改变，目前对于抗氧化肽的筛选实验方法费时费力。
4、目前，人工智能正在被广泛用来对生物活性肽进行筛选，具有快速高效、高准确性的特点，通过虚拟酶解以及深度学习，能够快速准确地从蛋白质中获取具有生物活性的多肽。虚拟酶解是一种基于蛋白质氨基酸序列和蛋白酶裂解位点的高效蛋白水解制备序列预测技术，被认为是传统酶解法的有效替代方法，但只能提供多肽序列，而不能预估活性。深度学习作为人工智能的一个重要分支，通过自动从数据中学习算法和模型，能够从大量数据中提取模式、规律和知识，并利用这些知识进行预测、分类和识别等任务。在生物活性肽筛选领域，深度学习技术可以进一步挖掘多肽序列与其生物活性之间的潜在关系，从而实现对生物活性肽的高效筛选和预测。
5、尽管人工智能技术在生
6、综上所述，目前亟需一种基于人工智能辅助筛选油脂抗氧化肽的方法，通过结合人工智能技术的优势，快速获取抗氧化肽的大量信息，高效筛选能够在油脂中发挥作用的抗氧化肽，将对油脂抗氧化肽的广泛应用和深入研究起到重要的推动作用。
技术实现思路
1、为解决上述问题，本专利技术提供了一种基于人工智能辅助筛选油脂抗氧化肽的方法，该方法基于深度学习和虚拟酶解获取抗氧化肽，并且能够保证较高的准确率，结合油脂抗氧化实验，挖掘出新型油脂抗氧化肽，为油脂抗氧化提供研究基础。
2、第一方面，本专利技术提供了一种基于人工智能辅助筛选油脂抗氧化肽的方法，所述方法包括：
3、步骤s1、从多种数据库中收集抗氧化肽，删除重复数据和去除实验结果不一致的样本，得到包含抗氧化肽的阳性数据集，随机提取与阳性数据集长度相匹配的等量多肽序列作为阴性对照，将阳性和阴性样本数据集分为训练集和测试集；
4、步骤s2、将步骤s1中的数据集输入双向长短期记忆网络中，利用训练集对抗氧化肽的特征进行学习总结，使用验证集数据进行验证，得到抗氧化肽预测模型；
5、步骤s3、从ncbi网站获得原料蛋白质的氨基酸序列，使用novo pro labs虚拟酶解程序中不同的酶对原料蛋白质进行虚拟酶解，获得不同酶虚拟酶解原料蛋白质后的多肽；
6、步骤s4、使用步骤s2得到的抗氧化肽预测模型预测步骤s3中获得的多肽的抗氧化活性，并计算具有抗氧化作用的多肽所占百分比，以所占百分比最高时采用的酶用于原料蛋白质的实际酶解，从而获得抗氧化肽；
7、步骤s5、随机选取步骤s4中得到的抗氧化肽测定abts、dpph自由基清除活性，进行抗氧化活性验证；
8、步骤s6、将步骤s5得到的抗氧化肽序列导入acd/labs软件计算该化合物的logp；
9、步骤s7、使用步骤s3中筛选的能得到更多抗氧化肽的酶对蛋白进行实际的酶解，并进行抗氧化肽鉴定和分离纯化；
10、步骤s8、步骤s7制备的抗氧化肽加入到植物油中，进行加热、煎炸模拟，测定抗氧化肽对植物油热加工后初级、次级氧化产物的生成抑制率以及有害挥发醛的生成抑制效果。
11、在本专利技术的一种实施方式中，所述步骤s1中，每个肽含有2-20个氨基酸，阳性和阴性样本数据集按8:2的随机比例分为训练集和测试集。
12、在本专利技术的一种实施方式中，所述步骤s2中，通过对训练集中多肽的特征进行学习总结，并对验证集的多肽进行验证，输出“0”和“1”，“0”表示多肽不具备抗氧化活性，“1”表示多肽具备抗氧化活性。
13、在本专利技术的一种实施方式中，所述步骤s3中，不同酶虚拟酶解原料蛋白质后的多肽序列长度小于20。
14、在本专利技术的一种实施方式中，所述步骤s4中，根据所述抗氧化肽预测模型的输出结果判断多肽是否具备抗氧化活性，“0”表示多肽不具备抗氧化活性，“1”表示多肽具备抗氧化活性。
15、在本专利技术的一种实施方式中，所述步骤s4中，logp大于0具脂溶性，数值越高脂溶性越大。
16、在本专利技术的一种实施方式中，所述步骤s8中，植物油的种类包括但不限于花生油、葵花籽油、棕榈油、大豆油、橄榄油、菜籽油、棉籽油、紫苏籽油、米糠油、亚麻籽油、红花籽油、茶籽油、棕榈果油、椰子油、可可豆油、杏仁油、油桐籽油、玉米胚油、小麦胚油、芝麻籽油、南瓜籽油、胡桃油、葡萄籽油、胡麻籽油、南瓜籽油、可可脂和藻类油中的一种或几种。
17、在本专利技术的一种实施方式中，所述步骤s2中，双向长短期记忆网络合并两个定向rnn的输出，一个向前处理序列，另一个向后处理序列。
18、第二方面，本专利技术提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法的步骤。
19、第三方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法的步骤。
20、本专利技术具有以下有益效果：
21、本专利技术通过结合深度学习与虚拟酶解，研发了一种快速高效筛选蛋白质酶解制备抗氧化肽的新方法。本专利技术以获取抗氧化肽为目标，通过构建抗氧化肽数据集及测试集，基于该数据集，提出了一种bi-lstm高精度深度学习策略，并训练其识别抗氧化肽。然后，利用bi-lstm预测通过虚拟酶解获得多肽的抗氧化活性。
22、以黑豆蛋白为例，采用本专利技术策略发现，黑豆蛋白经胰蛋白酶酶解能更好地获得抗氧化肽。抗氧化肽经过abts、dpph活性验证后，被用于亲脂性测定，具有亲脂性的肽能够发挥更好的油脂抗氧化效果，为油脂热加工过程的安全控制提供了研究基础。
本文档来自技高网...【技术保护点】
1.一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤S1中，每个肽含有2-20个氨基酸，阳性和阴性样本数据集按8:2的随机比例分为训练集和测试集。
3.根据权利要求2所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤S2中，通过对训练集中多肽的特征进行学习总结，并对验证集的多肽进行验证，输出“0”和“1”，“0”表示多肽不具备抗氧化活性，“1”表示多肽具备抗氧化活性。
4.根据权利要求3所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤S3中，不同酶虚拟酶解原料蛋白质后的多肽序列长度小于20。
5.根据权利要求4所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤S4中，根据所述抗氧化肽预测模型的输出结果判断多肽是否具备抗氧化活性，“0”表示多肽不具备抗氧化活性，“1”表示多肽具备抗氧化活性。
6.根据权利要求5所述的一种基于人工智能辅助筛选油脂抗氧化肽
7.根据权利要求6所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤S8中，植物油的种类包括但不限于花生油、葵花籽油、棕榈油、大豆油、橄榄油、菜籽油、棉籽油、紫苏籽油、米糠油、亚麻籽油、红花籽油、茶籽油、棕榈果油、椰子油、可可豆油、杏仁油、油桐籽油、玉米胚油、小麦胚油、芝麻籽油、南瓜籽油、胡桃油、葡萄籽油、胡麻籽油、南瓜籽油、可可脂和藻类油中的一种或几种。
8.根据权利要求6所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤S2中，双向长短期记忆网络合并两个定向RNN的输出，一个向前处理序列，另一个向后处理序列。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，
...【技术特征摘要】
1.一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤s1中，每个肽含有2-20个氨基酸，阳性和阴性样本数据集按8:2的随机比例分为训练集和测试集。
3.根据权利要求2所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤s2中，通过对训练集中多肽的特征进行学习总结，并对验证集的多肽进行验证，输出“0”和“1”，“0”表示多肽不具备抗氧化活性，“1”表示多肽具备抗氧化活性。
4.根据权利要求3所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤s3中，不同酶虚拟酶解原料蛋白质后的多肽序列长度小于20。
5.根据权利要求4所述的一种基于人工智能辅助筛选油脂抗氧化肽的方法，其特征在于，所述步骤s4中，根据所述抗氧化肽预测模型的输出结果判断多肽是否具备抗氧化活性，“0”表示多肽不具备抗氧化活性，“1”表示多肽具备抗氧化活性。
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。