申请/专利权人：山东大学

申请日：2024-04-12

公开（公告）日：2024-06-28

公开（公告）号：CN118038977B

主分类号：G16B20/30

分类号：G16B20/30;G16B15/20;G16B40/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明涉及生物信息技术领域，具体为基于几何深度学习的蛋白质结合位点识别方法及系统，获取蛋白质的结构数据并预处理，以蛋白质中每个残基为中心，设定的分辨率为半径提取局部球，以节点表示球中的残基，根据两个残基之间的距离确定节点之间通过边连接或不连接；提取局部球内节点的氨基酸残基特征、边的几何属性和局部球的空间分布特征，通过循环多次迭代并共编码，生成边、节点和局部球的高级表示特征；组合得到的特征，生成每个残基的表示，根据得到的残基经分类处理，确定蛋白质的结合位点。以局部球代表微环境，通过获取表征微环境的理化性质特征和局部球中的空间几何信息，并进行协同编码，使得算法的性能更加优异。

主权项：1.基于几何深度学习的蛋白质结合位点识别方法，其特征在于，包括以下步骤：获取蛋白质的结构数据并预处理，以蛋白质中每个残基为中心，设定的分辨率为半径提取局部球，以节点表示局部球中的残基，根据两个残基之间的距离确定节点之间通过边连接或不连接；提取局部球内节点的氨基酸残基特征、边的几何属性和局部球的空间分布特征，通过循环多次迭代并共编码，生成边、节点和局部球的高级表示特征；组合得到的特征，生成每个残基的表示，根据得到的残基经分类处理，确定蛋白质的结合位点；所述提取局部球内节点的氨基酸残基特征，具体为：获取氨基酸的单热编码、特定位置评分矩阵、隐马尔可夫模型和结构特征；所述提取局部球内边的几何属性，具体为：获取残基之间的归一化距离和残基与局部球球心之间的余弦角，几何属性在旋转和平移下维持不变；所述提取局部球的空间分布特征，包括获取所有氨基酸残基在球中的空间分布特征、局部坐标框架、残基几何投影以及空间距离的嵌入；所述提取局部球的空间分布特征，具体为：局部球中三维点坐标协方差矩阵的特征值，作为球体特征；利用特征值对应的特征向量，构建局部球的局部坐标，指示数据变化的方向；通过高斯距离表征局部球内邻居节点和中心节点之间的空间关系；以局部球的中心为原点，构造局部坐标系，提取其中的一点在局部坐标系上的投影，表征在局部球中的局部位置和方向；通过计算局部球的中心与蛋白质中心之间的欧几里得距离，指示局部球在整个蛋白质中的全局位置；所述通过循环多次迭代并共编码，生成边、节点和局部球的高级表示特征，包括：通过串行执行的边编码、节点编码和球编码三个编码组件，形成几何图编码器；输入是局部结构上下文G，G为包括节点特征、边特征、球特征、高斯距离和几何投影信息的局部球；输出是高维边特征、节点特征和球特征；所述通过循环多次迭代并共编码，生成边、节点和局部球的高级表示特征，还包括：基于多层感知器，利用节点特征、边特征、球面特征和高斯距离对边特征进行更新；对候选边特征和输入边特征进行残差连接，得到输出编码边特征；基于多层感知器，利用节点特征、边特征、球特征和高斯距离对节点特征进行更新；对候选节点特征和输入节点特征进行残差连接，得到输出编码节点特征；基于多层感知器，利用节点特征、边特征、球特征、高斯距离和几何投影对球特征进行更新；对候选球特征和输入球特征进行残差连接，得到输出编码球特征。

全文数据：

权利要求：

百度查询： 山东大学 基于几何深度学习的蛋白质结合位点识别方法及系统

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