用于蛋白质结构相似性搜索的哈希方法

蛋白质结构相似性搜索（PSSS）旨在搜索具有相似结构的蛋白质，在药物设计、蛋白质功能预测和分子进化等多个领域发挥着关键作用。传统的基于比对的PSSS方法直接计算蛋白质结构上的比对，耗时极长且内存开销高。近来提出了基于比对自由的方法，将蛋白质结构表示为定长实值向量，用于PSSS。虽然这些方法比基于比对的方法时间和内存开销更低，但其开销对于大规模PSSS仍过高，且准确性不尽如人意。本文提出了一种新方法，称为蛋白质结构哈希（POSH），用于PSSS。POSH为每个蛋白质结构学习二进制向量表示，与实值向量表示方法相比，可大幅降低PSSS的时间和内存开销。此外，POSH还提出了富有表达力的手工特征和结构编码器，以良好地建模蛋白质中的节点和边交互。真实数据集上的实验结果表明，POSH能超越其他方法达到最先进的准确性。此外，与其他方法相比，POSH实现了六倍以上的内存节省和四倍以上的速度提升。