龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：复旦大学
摘要：本发明公开了基于深度学习的蛋白质相互作用位点的预测方法，涉及蛋白质相互作用位点预测领域；首先，以蛋白质序列为输入，通过微调的protBERT模型生成嵌入；然后，嵌入被传输到特征提取模块，特征提取模块由具有初始残差和恒等映射的共同进化图注意力CGAT块的L层组成，并且PageRank机制被用于跨所有层的特征的彻底分类；最后，预测模块通过全连通层对每个残基是否是相互作用位点进行二值分类。本发明通过深度学习模型实现了蛋白质相互作用位点的预测，从而相比于常规生命科学实验时间成本大幅度降低，并且预测精度也相对较高。
主权项：1.基于深度学习的蛋白质相互作用位点的预测方法，首先，以蛋白质序列为输入，通过微调的protBERT模型生成嵌入；然后，嵌入被传输到特征提取模块，特征提取模块由具有初始残差和恒等映射的共同进化图注意力CGAT块的L层组成，并且PageRank机制被用于跨所有层的特征的彻底分类；最后，预测模块通过全连通层对每个残基是否是相互作用位点进行二值分类，其特征在于，包括具体包括以下步骤：S1：图形构建，基于Blastp产生的MSAs计算每个蛋白质序列的原始DCA矩阵；S2：特征输入生成初始特征矩阵，给定一个含有n个氨基酸的蛋白质，通过微调prot-BERT模型得到嵌入然后注入位置编码提供序列中参数的绝对或相对位置信息；S3：L层协同进化图注意力块；S4：预测，将特征的输出向量传递到完全连接的层中，ReLU和dropout在除最后一层之外的每一层中都被利用；在最后一层之后，使用Sigmoid函数生成最终预测；S5：评估，采用基于残差的真类别和预测类别，通过多个评估指标综合评估预测性能。
全文数据：
权利要求：
百度查询： 复旦大学 基于深度学习的蛋白质相互作用位点的预测方法
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