买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国海洋大学申请的专利分类突变酶-底物的通用预测模型构建方法、介质和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119905145B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510397619.9，技术领域涉及：G16B20/50；该发明授权分类突变酶-底物的通用预测模型构建方法、介质和装置是由冯韵潼;刘昊;丁哲轩设计研发完成，并于2025-04-01向国家知识产权局提交的专利申请。

本分类突变酶-底物的通用预测模型构建方法、介质和装置在说明书摘要公布了：本发明公开了一种分类突变酶‑底物的通用预测模型构建方法、介质和装置，属于生物信息学、蛋白质工程和机器学习技术领域，所述方法包括步骤1数据扩充构建数据集，具体包括正向数据筛选和负向数据生成，步骤2、搭建多任务耦合框架和步骤3预测模型的性能优化。本发明还提供搭载所述模型的介质和装置，本发明通过联合优化蛋白质与小分子表征，提升相互作用预测的准确性。筛选出能够显著提高催化效率的突变位点，优化酶的活性，预测突变酶对不同底物的催化能力，帮助设计具有特定底物选择性的酶。

本发明授权分类突变酶-底物的通用预测模型构建方法、介质和装置在权利要求书中公布了：1.一种分类突变酶-底物的通用预测模型构建方法，其特征在于，所述方法的步骤如下： 步骤1、通过数据扩充构建数据集，包括正向数据筛选和负向数据生成 所述的正向数据筛选：从现有的数据库中筛选酶-底物对数据和系统发育推断的正向影响数据； 所述的负向数据生成：基于现有的突变酶数据库，通过单点和多点突变生成大量突变酶序列，并标记其活性变化，按照正负样本1:1的配对策略，选取与正向数据相匹配的负样本； 步骤2、搭建多任务耦合框架 在蛋白质序列表征上，采用MEP模型对突变酶序列进行表征，所述MEP模型采用Transformer+CNN的架构：利用ESM-2Transformer获取氨基酸序列的全局依赖关系表示，再通过卷积神经网络聚焦局部突变位点特征，最后通过残差连接融合全局与局部信息，得到突变酶的多尺度特征向量； 对底物小分子采用两种互补的表征方法，同时支持扩展连接循环指纹和卷积神经网络； 在完成酶和底物的特征表示后，将MEP生成的突变酶表征向量与扩展连接循环指纹ECFP和卷积神经网络GNN生成的底物小分子表征向量进行拼接，形成联合特征向量v∈Rdp +dm；通过集成梯度提升树、支持向量机、极限梯度提升、随机森林和逻辑回归在内的模型，并采用动态权重融合策略，构建最终的预测型，用于分类突变酶与底物之间的相互作用，将前述拼接的特征向量作为输入，分别训练预测模型； 步骤3、通过网格搜索调整超参数，并使用5折交叉验证评估模预测型性能以避免过拟合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。