龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：通化师范学院;吉林大学
申请日：2024-05-30
公开（公告）日：2024-06-28
公开（公告）号：CN118262801A
主分类号：G16B40/20
分类号：G16B40/20;G16B20/00;G16B30/00;G06F18/214;G06F18/2431;G06F18/27;G06F18/25;G06F18/2113;G06N3/045;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明适用于肽识别技术领域，提供了一种基于融合特征深度学习网络的抗炎肽识别方法，方法包括以下步骤：特征构建；两阶段特征选择，得到最终的信息性元特征；构建AIPPD模型，当预测值大于0.5时，视为AIP，否则视为Non‑AIP。本发明提供了一种新的抗炎肽识别方法，解决了湿实验室实验方法鉴定AIP昂贵、费力和耗时等问题。该识别方法能够更全面的描述AIP的特征，与8个最先进的模型在两个基准数据集上进行比较，AIP2125和AIP4194测试数据集上的MCC从5.5%提高到11.7%和MCC从6.7%提高到31.3%的性能优越，在效率、准确度、精度和可靠性方面均取得了更好的效果。
主权项：1.一种基于融合特征深度学习网络的抗炎肽识别方法，其特征在于，包括以下步骤：步骤1、特征构建：从肽序列水平特征、肽的残基水平特征和肽转换器编码特征三方面构建特征；所述肽的残基水平特征包括Charge、Hydrophobicity和PaDEL，所述肽转换器编码特征包括Prot-T5和ESM-2；步骤2、两阶段特征选择：第一阶段使用CatBoost、XGBoost和LightGBM三个分类器比较18种编码特征的性能，按照性能高低筛选出8种推荐的编码特征；第二阶段使用Boruta作为滤波器对推荐的编码特征进行细粒度过滤，得到最终的信息性元特征，称为G2M特征；步骤3、肽识别：构建两层集成框架的AIPPD模型，第一层包括RF和ET，输入为40个G2M特征；第二层为LR，输入为第一层输出；当预测值大于0.5时，将识别肽视为AIP，否则视为Non-AIP。
全文数据：
权利要求：
百度查询： 通化师范学院;吉林大学 一种基于融合特征深度学习网络的抗炎肽识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号