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：厦门大学
申请日：2024-03-05
公开（公告）日：2024-05-31
公开（公告）号：CN118116505A
主分类号：G16C20/30
分类号：G16C20/30;G16C10/00;G16C20/70;G16B30/10;G06N3/084;G06N3/0455
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.18#实质审查的生效;2024.05.31#公开
摘要：本发明公开了一种基于深度学习的蛋白质序列化学位移预测方法，包括以下步骤：利用公共数据库构建数据集；构建深度学习模型并设置好相关的训练参数；基于数据集对模型进行训练，并测试模型性能，获得训练好的预测模型；使用训练好的预测模型实现蛋白质序列化学位移预测；所述深度学习模型包括蛋白质语言模型部分和编解码部分，蛋白质语言模型部分将蛋白质序列中的每个氨基酸转为词嵌入向量；编解码部分包括编码器和解码器，编码器对已转换为词嵌入向量的蛋白质序列进行特征抽取，解码器根据抽取的特征预测化学位移。本发明提出的基于深度学习的蛋白质序列化学位移预测方法只依赖于蛋白质序列，且具有较高的准确性和鲁棒性，处理速度快。
主权项：1.一种基于深度学习的蛋白质序列化学位移预测方法，其特征在于，包括以下步骤：利用公共数据库构建数据集；构建深度学习模型并设置好相关的训练参数；基于数据集对模型进行训练，并测试模型性能，获得训练好的预测模型；使用训练好的预测模型实现蛋白质序列化学位移预测；所述深度学习模型包括蛋白质语言模型部分和编解码部分，蛋白质语言模型部分将蛋白质序列中的每个氨基酸转为词嵌入向量；编解码部分包括编码器和解码器，编码器对已转换为词嵌入向量的蛋白质序列进行特征抽取，解码器根据抽取的特征预测化学位移。
全文数据：
权利要求：
百度查询： 厦门大学 一种基于深度学习的蛋白质序列化学位移预测方法
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