具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

一般地，在对于蛋白质序列的研究中，目前的研究方法基于自然语言处理技术，将氨基酸序列看作是类似于文本的语言序列，再通过循环神经网络等训练模型提取氨基酸特征。然后，蛋白质的作用是由其空间结构决定的，直接在一级序列中学习研究效果有限，无法捕获更高层次上的结构信息，因此直接影响后续的特征提取和模型学习。

在每种蛋白质中，多肽链中氨基酸的排列顺序,包括二硫键的位置，我们称为蛋白质的一级结构，也叫初级结构或基本结构。蛋白质一级结构是理解蛋白质结构、作用机制以及与其同源蛋白质生理功能的必要基础，而氨基酸的排列顺序需要在空间结构内体现，因此，本申请提出了一种基于空间结构的蛋白质一级序列特征提取方法以及对应的设备、装置。

请参阅图1，图1是本申请提供的特征提取方法一实施例的流程示意图。

具体而言，本公开实施例的特征提取方法可以包括如下步骤：

步骤S11：基于获取的氨基酸序列信息，确定每个氨基酸的初始化特征。

本公开实施例中，获取一组蛋白质的氨基酸序列，其中，氨基酸序列中包括多种按照一定顺序排列的氨基酸，体现了氨基酸相互连接形成肽链(或多肽)的顺序，因此，氨基酸的种类、数量以及组合顺序代表了对应蛋白质的性质。

本公开实施例可以对氨基酸序列中的每个氨基酸进行编码，得到每个氨基酸的初始化特征；编码内容包括氨基酸的种类以及该氨基酸与周围其他氨基酸的连接关系，即该氨基酸的局部信息。编码的方式可以但不限于独热编码，还可以为空间距离编码等编码方式，在此不做限定。

步骤S12：基于每个氨基酸的初始化特征，得到氨基酸序列中每个氨基酸的全局特征。

本公开实施例中，由于独热编码方式得到的初始化特征包含的信息只有氨基酸本身的特征信息以及周围其他氨基酸的局部信息，无法为构建空间结构信息提供足够的信息。因此，本公开实施例可以获取每个氨基酸的初始化特征在蛋白质的氨基酸序列中的全局特征。

具体地，本公开实施例将某一氨基酸的初始化特征与其他氨基酸的初始化特征分别进行计算，通过该氨基酸的初始化特征与其他氨基酸的初始化特征之间的关系计算出该氨基酸在整条氨基酸序列中的全局特征。氨基酸序列中其他氨基酸都会影响到该氨基酸的全局特征信息，因此，某一氨基酸的全局特征信息包括该氨基酸本身的特征信息，以及该氨基酸在氨基酸序列的特征信息。

步骤S13：将每个氨基酸的全局特征与氨基酸序列中其他氨基酸的全局特征进行特征融合，得到每对氨基酸的融合特征组成的逐对特征图。

本公开实施例中，获取每对氨基酸组成氨基酸对，并将每对氨基酸对的全局特征进行特征融合，提取每对氨基酸对的逐对融合特征。本公开实施例进一步将所有逐对融合特征组成逐对特征图，即空间二维特征图；通过空间二维特征图，特征提取设备可以自主学习氨基酸序列的空间结构信息。

步骤S14：基于逐对特征图的空间特征，得到蛋白质特征向量。

本公开实施例中，步骤S13获取的空间二维特征图可以视为一张图像，本公开实施例进一步对空间二维特征图进行卷积和池化，从空间二维特征图中提取出氨基酸序列的特征向量，即蛋白质特征向量，用于蛋白质整体分析或者药物靶蛋白反应预测等应用场景。

上述方案，基于获取的氨基酸序列信息获取每个氨基酸的初始化特征；获取每个初始化特征在蛋白质的氨基酸序列的全局特征；将每对全局特征进行特征融合，得到每对氨基酸的融合特征组成的逐对特征图；由逐对特征图的空间特征获取蛋白质特征向量，能够直接对氨基酸序列中任意氨基酸之间进行特征学习，通过蛋白质特征向量体现蛋白质的空间结构信息。

请继续参阅图2和图3，图2是本申请提供的特征提取方法又一实施例的流程示意图，图3是本申请提供的特征提取流程的框架示意图。

具体而言，本公开实施例的特征提取方法可以包括如下步骤：

步骤S21：将氨基酸序列信息输入一维卷积网络，提取每个氨基酸的初始化特征。

本公开实施例中，获取蛋白质的一级氨基酸序列结构，对一级氨基酸序列结构进行独热编码，从而获取每个氨基酸的独热编码。特征提取设备将一级氨基酸序列结构的独热编码输入多层的一维卷积网络，以得到每个氨基酸的初始化特征。

步骤S22：将每个氨基酸的初始化特征输入循环神经网络，基于每个氨基酸在氨基酸序列中的位置信息以及初始化特征，得到每个氨基酸在氨基酸序列的全局特征。

本公开实施例中，通过循环神经网络提取每个氨基酸两个方向上的隐藏状态作为新的特征，即全局特征；其中，全局特征即每个氨基酸相较于整体氨基酸序列的特征。循环神经网络(Recurrent Neural Network,RNN)是一类以序列(sequence)数据为输入，在序列的演进方向进行递归(recursion)且所有节点(循环单元)按链式连接的递归神经网络(recursive neural network)。

具体而言，请参阅图4，图4是图2所示特征提取方法中步骤S22的具体流程示意图，本公开实施例通过循环神经网络获取氨基酸的全局特征的方法可以包括如下步骤：

步骤S221：基于每个氨基酸的初始化特征，从左到右遍历氨基酸序列，以获得每个氨基酸的第一全局特征。

本公开实施例中，如图3的循环神经网络部分，循环神经网络将每个氨基酸以及氨基酸序列作为输入，按照从左到右的方向遍历氨基酸序列，进而计算输入氨基酸与所有氨基酸的特征关系，得到输入氨基酸的第一全局特征。其中，第一全局特征中包括输入氨基酸与氨基酸序列中其他氨基酸的位置关系和化学连接关系等。

步骤S222：基于每个氨基酸的初始化特征，从右到左遍历氨基酸序列，以获得每个氨基酸的第二全局特征。

本公开实施例中，如图3的循环神经网络部分，循环神经网络将每个氨基酸以及氨基酸序列作为输入，按照从右到左的方向遍历氨基酸序列，进而计算输入氨基酸与所有氨基酸的特征关系，得到输入氨基酸的第二全局特征。其中，第二全局特征中包括输入氨基酸与氨基酸序列中其他氨基酸的位置关系和化学连接关系等。

步骤S223：融合第一全局特征和第二全局特征，得到该氨基酸在蛋白质的氨基酸序列的全局特征。

本公开实施例中，将第一全局特征和第二全局特征进行融合，从而得到输入氨基酸在整条氨基酸序列中的全局特征。在一些可能的实施方式中，工作人员可以通过对循环神经网络进行设置，改变氨基酸序列的演进方向，即遍历方向或遍历次数等，在此不再赘述。

步骤S23：将每个氨基酸的全局特征与氨基酸序列中其他氨基酸的全局特征进行特征融合，得到每对氨基酸的融合特征组成的逐对特征图。

本公开实施例中，将每个氨基酸的全局特征分别与其他氨基酸的全局特征相乘，得到每对氨基酸，即氨基酸对的融合特征。然后，本公开实施例将氨基酸对的融合特征通过共享感知机学习，构建二维空间的逐对特征图。其中，图3的框架示意图中仅表示出共享感知机的部分结构框架或者仅作为一种示例表示共享感知机，本公开实施例的共享感知机可以为目前技术中的任意一种共享感知机，在此不再赘述。

步骤S24：将逐对特征图输入卷积网络，提取逐对特征图的空间特征。

本公开实施例中，逐对特征图可以视为一张图像，将逐对特征图输入二维卷积网络，并获取二维卷积网络输出的空间特征。逐对特征图通过二维卷积网络后输出的空间特征可以体现出两个氨基酸在二维空间上的位置关系和连接关系。

步骤S25：将逐对特征图的空间特征进行全局池化获取蛋白质特征向量。

本公开实施例中，将逐对特征图的空间特征进行全局池化，最后获取定长的蛋白质特征向量。具体而言，请参阅图5，图5是图2所示特征提取方法中步骤S25的具体流程示意图，步骤S25可以包括以下步骤：

步骤S251：获取逐对特征图中最小长度的空间特征。

本公开实施例中，获取逐对特征图中最小长度的空间特征，并将该空间特征的长度作为全局池化的标准长度。在一些可能的实施方式中，也可以将面积作为空间特征全局池化的衡量尺度，在此不再赘述。

步骤S252：基于最小长度的空间特征对逐对特征图中的其他空间特征进行池化，获得定长的空间特征。

本公开实施例中，将上述最小长度设置为全局池化层的池化参数，并将所有逐对特征图输入全局池化层，提取定长的空间特征。

步骤S253：由定长的空间特征获取蛋白质特征向量。

本公开实施例中，将定长的空间特征进行组合，获取定长的蛋白质特征向量。定长的蛋白质特征向量避免了不同氨基酸序列长度之间特征难以对齐的问题，有利于新药研发中的蛋白质分析等场景中。

上述方案，通过多层的一维卷积网络提取氨基酸局部特征，相较于单单使用独热编码，可以端对端学习更有效的特征，避免直接输入循环神经网络造成的梯度不稳定；特征提取设备还通过循环神经网络提取每个氨基酸相较于全局序列的特征，引入所有距离上的特征互相影响；特征提取设备将每对氨基酸的特征进行融合和再学习，构建空间二维特征图，可以直接学习氨基酸序列中任意距离的两对氨基酸状态，潜在地表达了氨基酸序列的空间结构信息；特征提取设备通过二维卷积和池化提取空间特征，最后通过全局池化得到定长的蛋白质特征向量，避免了不同氨基酸序列长度之间特征难以对齐的问题。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

请参阅图6，图6是本申请提供的特征提取设备一实施例的框架示意图。在一些可能的实现方式中，上述特征提取方法的执行主体可以是特征提取设备，例如，特征提取方法可以由终端设备或服务器或其它处理设备执行，其中，终端设备可以为用户设备(UserEquipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(PersonalDigital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该特征提取方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。在另一些可能的实现方式中，执行主体也可以是其他形式，在此不做限定。

特征提取设备60包括特征提取模块61、特征融合模块62和特征获取模块63。

其中，特征提取模块61，用于基于获取的氨基酸序列信息获取每个氨基酸的初始化特征；特征提取模块61，还用于基于每个氨基酸的初始化特征，得到氨基酸序列中每个氨基酸的全局特征；特征融合模块62，用于将每个氨基酸的全局特征与氨基酸序列中其他氨基酸的全局特征进行特征融合，得到每对氨基酸的融合特征组成的逐对特征图；特征获取模块63，用于基于逐对特征图的空间特征，得到蛋白质特征向量。

其中，特征提取模块61，还用于将所述氨基酸序列信息输入一维卷积网络，提取所述每个氨基酸的初始化特征，其中，所述初始化特征包括所述氨基酸在所述氨基酸序列中的局部特征信息。

其中，特征提取模块61，还用于将所述每个氨基酸的初始化特征输入循环神经网络；基于所述每个氨基酸在所述氨基酸序列中的位置信息以及初始化特征，得到所述每个氨基酸在所述氨基酸序列的全局特征。

其中，特征提取模块61，还用于基于所述每个氨基酸的初始化特征，从左到右遍历所述氨基酸序列，以获得每个氨基酸的第一全局特征；基于所述每个氨基酸的初始化特征，从右到左遍历所述氨基酸序列，以获得每个氨基酸的第二全局特征；融合所述每个氨基酸的第一全局特征和第二全局特征，得到所述每个氨基酸在所述氨基酸序列的全局特征。

其中，特征融合模块62，还用于将所述每个氨基酸的全局特征分别与所述其他氨基酸的全局特征融合，得到每对氨基酸的融合特征；将所述每对氨基酸的融合特征通过共享感知机学习，构建二维空间的逐对特征图。

其中，特征获取模块63，还用于将所述逐对特征图输入卷积网络，提取所述逐对特征图的空间特征；将所述逐对特征图的空间特征进行全局池化获取所述蛋白质特征向量。

其中，特征获取模块63，还用于获取所述逐对特征图中最小长度的空间特征；基于所述最小长度的空间特征对所述逐对特征图中的其他空间特征进行池化，获得定长的空间特征；由所述定长的空间特征获取所述蛋白质特征向量。

其中，特征提取模块61，还用于基于所述获取的氨基酸序列信息，确定每个氨基酸的独热编码。

请参阅图7，图7是本申请提供的特征提取设备另一实施例的框架示意图。特征提取设备70包括相互耦接的存储器71和处理器72，处理器72用于执行存储器71中存储的程序指令，以实现上述任一特征提取方法实施例的步骤。在一个具体的实施场景中，特征提取设备70可以包括但不限于：微型计算机、服务器，此外，特征提取设备70还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。

具体而言，处理器72用于控制其自身以及存储器71以实现上述任一特征提取方法实施例的步骤。处理器72还可以称为CPU(Central Processing Unit，中央处理单元)。处理器72可能是一种集成电路芯片，具有信号的处理能力。处理器72还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器72可以由集成电路芯片共同实现。

请参阅图8，图8是本申请提供的计算机可读存储介质一实施例的框架示意图。计算机可读存储介质80存储有能够被处理器运行的程序指令801，程序指令801用于实现上述任一特征提取方法实施例的步骤。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。