lingyuzeng/l2l
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

添加注释

Browse Source
This commit is contained in:
Your Name
2024-12-11 21:25:20 +08:00
parent e8b93c7ac9
commit 4426e7ca88
4 changed files with 74 additions and 41 deletions
Download Patch File Download Diff File Expand all files Collapse all files

99
GPS 5.0M.py
View File

@@ -7,7 +7,7 @@ from pathlib import Path
def trainning():
length = 30
fold = 10
fold = 10 # 交叉验证的折数
if not Path('POS.txt').exists():
raise FileNotFoundError("POS.txt or NEG.txt not found.")
f1 = open(r"POS.txt", "r")
@@ -32,7 +32,7 @@ def trainning():
total = 0.0
for j in range(len(l_scores[i])):
total += l_scores[i][j]
raw_scores.append(total) # 展平所有打分
raw_scores.append(total) # 展平所有打分 可以直接用于排序、筛选或者特征归一化
X = np.array(l_scores) # 所有评分
Y = np.array(l_type) # 所有正负列表的标签
PEP = np.array(l_peps) # 原始丙酰化肽段的原始字符串
@@ -96,53 +96,68 @@ def newAAScore(AAscores, l_aas, AAs, MM_coef):
def getWeightScoreType(pos, neg, matrix, AAs,length):
scores = [] # scores 是一个二维列表，用于存储每个位置上的氨基酸得分。
'''
这个函数计算每个肽段的得分向量，其中每个位置的得分是基于 BLOSUM62 矩阵和位置权重。
获取位置权重确定 PWD 矩阵
参数解释：
pos: 正样本长度61氨基酸的set集合
neg: 负样本长度61氨基酸的set集合
matrix: 62*62的矩阵，用于计算每个氨基酸对位置的权重，即AAscores
AAs: 24个氨基酸的列表，用于索引矩阵
length: 肽段的长度，用于确定打分矩阵的行数，即打分矩阵的行数等于肽段的长度*2+1
return: l_scores, l_type,l_peps
l_scores: 二维列表，存储每个肽段的打分向量，打分向量是长度为61的列表，每个位置上的打分是该位置上所有氨基酸的打分之和。
l_type: 二维列表，存储肽段的标签，1表示正样本，0表示负样本。
l_peps: 二维列表，存储肽段的原始字符串。
'''
scores = [] # scores 是一个二维列表，用于存储正样本每个位置上的氨基酸得分矩阵。
for i in range(length*2+1): # 61 = 30+1+30
pos_score = []
for j in range(len(AAs)):
aa1 = AAs[j]
score = 0.0
for oth in pos:
aa2 = oth[i:i + 1]
aas = aa1 + "_" + aa2
aas2 = aa2 + "_" + aa1
for j in range(len(AAs)): # 遍历每种氨基酸
aa1 = AAs[j] # 当前氨基酸
score = 0.0 # 初始化得分为 0
for oth in pos: # 遍历所有正样本
aa2 = oth[i:i + 1] # 正样本中当前位置的氨基酸
aas = aa1 + "_" + aa2 # 生成氨基酸对的键
aas2 = aa2 + "_" + aa1 # 反向氨基酸对的键
if aas in matrix:
score += matrix[aas]
score += matrix[aas] # 替代矩阵中的相似性得分
else:
score += matrix[aas2]
pos_score.append(score)
pos_score.append(score) # 将得分加入当前位置的氨基酸列表
scores.append(pos_score)
l_scores = [] # l_scores 是一个二维列表，用于存储每个肽段的得分向量。
l_scores = [] # l_scores 是一个二维列表，用于存储每个肽段的得分向量。对每个肽段，最终形成一个长度为 61 的向量.
l_type = []
l_peps = []
for pep in pos:
score = []
for i in range(len(pep)): # range(0,61)
aa = pep[i:i + 1]
index = AAs.index(aa)
aascore = (scores[i][index] - matrix[aa + "_" + aa]) / (len(pos) - 1) # 减去自身样本的影响，使用样本均值
score.append(aascore)
l_scores.append(score)
l_type.append(1)
l_peps.append(pep)
for i in range(len(pep)): # 遍历肽段的每个位置
aa = pep[i:i + 1] # 当前肽段在位置 i 的氨基酸
index = AAs.index(aa) # 获取氨基酸在 AAs 列表中的索引
aascore = (scores[i][index] - matrix[aa + "_" + aa]) / (len(pos) - 1) # 计算平均得分
score.append(aascore) # 加入当前肽段的位置得分
l_scores.append(score) # 将该肽段的打分向量加入到结果列表
l_type.append(1) # 标签为 1，表示正样本
l_peps.append(pep) # 保存肽段的原始字符串
# num = 0
for pep in neg:
score = []
for i in range(len(pep)):
aa = pep[i:i + 1]
index = AAs.index(aa)
aascore = scores[i][index] / len(pos) # 负样本本身就是噪音并不需要调整自身影响。
score.append(aascore)
l_scores.append(score)
l_type.append(0)
l_peps.append(pep)
aa = pep[i:i + 1] # 当前肽段在位置 i 的氨基酸
index = AAs.index(aa) # 获取氨基酸在 AAs 列表中的索引
aascore = scores[i][index] / len(pos) # 直接取正样本的平均得分 # 负样本本身就是噪音并不需要调整自身影响。
score.append(aascore) # 加入当前肽段的位置得分
l_scores.append(score) # 将该肽段的打分向量加入到结果列表
l_type.append(0) # 标签为 0，表示负样本
l_peps.append(pep) # 保存肽段的原始字符串
return l_scores, l_type,l_peps
return l_scores, l_type,l_peps # 返回含有正负样本的打分向量，打分向量是长度为61的列表，每个位置上的打分是该位置上所有氨基酸的打分之和。
def getMMScoreType(pos, neg, matrix, weights, l_aas, AAs,length):
# 这个函数计算每个肽段的得分向量，其中每个位置的得分是基于氨基酸对的评分矩阵和位置权重。SMO 矩阵权重
"""
参数解释：
@@ -188,16 +203,16 @@ def getMMScoreType(pos, neg, matrix, weights, l_aas, AAs,length):
score_neg = []
for j in range(len(AAs)):
aa1 = AAs[j]
score = []
for z in range(len(l_aas)):
score.append(0.0)
score = [] # 是一个长度为 300 的列表，用来保存每个氨基酸对在当前位置的得分。
for z in range(len(l_aas)): # 遍历所有氨基酸对 (a, b)
score.append(0.0) # 初始化每个氨基酸对的得分
for oth in pos:
aa2 = oth[i:i + 1]
aas1 = aa1 + "_" + aa2
aas2 = aa2 + "_" + aa1
if aas1 in l_aas:
index = l_aas.index(aas1)
score[index] += matrix[aas1] * weights[i]
score[index] += matrix[aas1] * weights[i] # 计算 (a, b) 对应位置 j 的得分
elif aas2 in l_aas:
index = l_aas.index(aas2)
score[index] += matrix[aas2] * weights[i]
@@ -360,6 +375,8 @@ def logistic_GPS(X: bytearray, Y: bytearray,PEP,type,turn):
肽段数据，形状为 (n_samples,)，表示每个样本的肽段序列。虽然在 logistic_GPS 函数中没有直接使用 PEP，但它可能在后续的处理中被用到，例如在 writeParameter_WW 或 writeParameter_MM 函数中。
主要功能是执行逻辑回归训练，特别是交叉验证选择最佳正则化参数 C，并根据此参数训练逻辑回归模型，返回权重系数和 AUC 分数。
turn: 训练轮次，用于动态调整正则化参数 C 的值。
return
list_coef: list of float
权重系数，形状为 (n_features,)，表示每个特征的权重。用于加权评分。
@@ -378,18 +395,26 @@ def logistic_GPS(X: bytearray, Y: bytearray,PEP,type,turn):
重点在于结合氨基酸对的评分矩阵和位置权重，进一步优化模型的性能。
通常用于后续的训练阶段，通过矩阵乘法进一步调整权重，提高模型的准确性。
'''
solverchose = 'sag'
solverchose = 'sag' # 选择求解器
clscv = LogisticRegressionCV(max_iter=10000, cv=10, solver=solverchose,scoring='roc_auc') # LogisticRegressionCV 的目标是通过最大化AUC交叉验证找到最佳的 C 值
clscv.fit(X, Y)
'''
max_iter=10000: 设置最大迭代次数。
cv=10: 使用 10 折交叉验证。
solver='sag': 使用随机平均梯度下降求解器。
scoring='roc_auc': 使用 ROC AUC 作为评分标准。
'''
clscv.fit(X, Y) # PWD 权重优化：通过逻辑回归计算每个位置的权重 Wj
#regularization = clscv.C_[0]
regularization = clscv.C_[0] * (10**(-turn)) # 动态调整C的值，通过10^turn 来调整正则化的强度。
print("C=" + str(regularization))
# 使用最佳正则化参数训练逻辑回归模型
cls = LogisticRegression(max_iter=10000,solver=solverchose,C=regularization)
cls.fit(X, Y)
list_coef = cls.coef_[0]
# 获取权重系数和 AUC 分数:
list_coef = cls.coef_[0] # 权重Wj，反映每个位置在区分正负样本时的重要性，用于后续加权特征计算。
predict_prob_x = cls.predict_proba(X)
predict_x = predict_prob_x[:, 1]
auc = roc_auc_score(Y,np.array(predict_x))
auc = roc_auc_score(Y,np.array(predict_x)) # 通过 ROC 曲线评估模型性能，对应论文中的交叉验证 AUC 分数计算。
print("AUC:" + str(auc))
return list_coef,auc

6
MAML.py
View File

@@ -15,8 +15,8 @@ def fetshot():
length = 30
nfold = 5
f1 = open(r"functionsite.txt", "r")
f2 = open(r"POS.txt", "r")
f1 = open(r"demo/functionsite", "r")
f2 = open(r"demo/POS.txt", "r")
funcinf = set()
for line in f1.readlines():
site = line.strip()
@@ -45,7 +45,7 @@ def fetshot():
print(len(neg))
AAscores, l_aas, weight_coef, AAs = \
WeightAndMatrix("traningout_best.txt")
WeightAndMatrix("demo/traningout_best.txt")
l_scores, l_type, peps = getMMScoreType(pos, new_neg, AAscores, weight_coef, l_aas, AAs, length)
raw_scores = []
for i in range(len(l_scores)):

5
README.md
View File

@@ -35,5 +35,10 @@ Dr. Luoying Zhang: zhangluoying@hust.edu.cn
Chenwei Wang: wangchenwei@hust.edu.cn
Ke Shui: shuike@hust.edu.cn
## env
```shell
conda install -c conda-forge -y keras==2.4.3 numpy scikit-learn pandas
```

5
Tools.py
View File

@@ -2,11 +2,14 @@ import numpy as np
def blosum62():
f1 = open("BLOSUM62","r")
l_AAS = []
AAs = []
AAs = [] # 取BLOSUM62第一列
scores = {}
for line in f1.readlines():
print('line:',line)
sp = line.split()
print('sp:',sp)
aa = sp[0]
print('aa:',aa)
AAs.append(aa)
num = 0
f1 = open("BLOSUM62","r")