摘要

本文提出了一种新颖且简便的方法，用于提升渐进式多蛋白序列比对方法的准确性。我们基于卷积神经网络（Convolutional Neural Networks, CNN）与双向长短期记忆网络（Bidirectional Long Short-Term Memory, Bi-LSTM）构建了一个决策模型，并通过计算不同的后验概率矩阵，实现对输入蛋白序列的逐步比对。为评估该方法的性能，我们开发了一款多序列比对工具DLPAlign，并将其在三个经典的比对基准数据集（BAliBASE、OXBench 和 SABMark）上与十一种主流比对方法进行了对比。结果表明，DLPAlign在三个基准数据集上均取得了最优的总列得分（total-column scores）。在针对711个低相似性蛋白家族（平均序列同一性PID ≤ 30%）的测试中，DLPAlign相较于表现第二好的多序列比对软件，准确率提升了约2.8%。此外，我们在一项实际应用场景——即与SARS-CoV-2相关的四个蛋白序列的二级结构预测任务中，对DLPAlign及其他比对工具进行了比较，结果表明DLPAlign在所有情况下均取得了最佳表现。