一种基于结构生物学的疾病标志物亚型分类方法

本发明提供了一种基于结构生物学的疾病标志物亚型分类方法，属于疾病标志物技术领域，本方法首先获取蛋白质三维结构数据，通过稳定动态分解计算区分刚性和柔性结构区域。然后构建以结构域为节点的相互作用网络，建立包含空间距离、接触面积等参数的结构参数矩阵。通过张量分解和深度神经网络降维处理得到低维结构特征空间，在其中进行社团划分获得蛋白质亚群。利用随机失活神经网络计算各亚群的结构特征不确定性分布，筛选出置信度高的亚群。最后结合临床样本数据建立机器学习分类模型，通过参数迭代优化后用于对待分类患者样本进行结构亚型分类，解决了由于难以有效表征和分析蛋白质结构的动态特性，导致疾病标志物分类准确性不够高的问题。