申请/专利权人：大连海事大学

申请日：2021-11-12

公开（公告）日：2024-04-26

公开（公告）号：CN113936743B

主分类号：G16B50/10

分类号：G16B50/10;G06F16/36;G06N3/0464;G06N3/047;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.02.01#实质审查的生效;2022.01.14#公开

摘要：本发明提供了一种基于异质PPI网络的蛋白质复合物识别方法，涉及生物信息学的技术领域。本发明使用的异质信息网络表示识别方法可以融入更多的语义信息，从而提升对蛋白质节点特征的表达效果。首先，结合基因本体属性信息和PPI数据构建异构PPI网络。其次，基于构建的网络，采用异构表示学习方法获得蛋白质节点的向量表示，加入了双重注意力机制，可以更好地学习不同种类的每个节点的重要性。最后，本发明提出了一种基于异质网络的复合物识别方法来识别蛋白质复合物。本发明解决了现有的方法只构成了生物信息和蛋白质节点的同质网络，大多忽略了不同类型的节点具有不同的重要性这些问题。

主权项：1.一种基于异质PPI网络的蛋白质复合物识别方法，其特征在于，所述方法包括：S1、将基因本体论数据库中两种GO属性节点MF和BP与原始的PPI网络融合，构建异质PPI网络；S2、将MF和BP属性节点分别作为实体，基于在基因本体数据库中对GO属性的短文本描述，使用word2vec学习MF和BP的初始嵌入；对于蛋白质节点，使用其在原始PPI网络中的邻接矩阵作为初始特征；S3、将提取出的特征输入到异质图卷积网络中，通过双重注意力机制，为每个蛋白质节点的邻居节点分配节点级权重和类型级权重，将节点级权重和类型级权重纳入所述异质图卷积网络中，得到每个蛋白质节点的嵌入；给定一个特定的蛋白质节点，类型级注意力机制用于学习蛋白质类型节点、BP类型GO属性节点和MF类型GO属性节点的权重；节点级注意力机制用于捕获不同相邻节点的重要性，并降低噪声节点的权重；S4、基于得到的每个蛋白质节点的嵌入，计算所述蛋白质节点之间的相似度，得到加权异质PPI网络，再通过蛋白质复合物的核心-附属结构从加权异质PPI网络中识别出蛋白质复合物。

全文数据：

权利要求：

百度查询： 大连海事大学 一种基于异质PPI网络的蛋白质复合物识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD