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：华中科技大学;中国科学院精密测量科学与技术创新研究院
摘要：本发明属于蛋白质结构计算领域，具体涉及一种基于双向长短期记忆网络的蛋白质残基B‑factor预测模型构建方法，包括：对用于构建训练样本的每种蛋白质序列进行切割，对应获得序列片段集；提取每个序列片段中每个残基的四种序列特征和五种结构特征，并将两种特征拼接作为该残基的特征向量；将每个序列片段中各残基的特征向量拼接构成该序列片段的特征矩阵，将位于每个序列片段中心位置处的残基作为待预测残基，每个序列片段的特征矩阵和对应待预测残基的B‑factor构成一个训练样本；采用训练样本集训练深度神经网络模型，得到蛋白质B‑factor预测模型，深度神经网络模型包括BiLSTM。本发明能提高预测精度。
主权项：1.一种基于双向长短期记忆网络的蛋白质残基B-factor预测模型构建方法，其特征在于，包括：对用于构建训练样本的每种蛋白质序列进行切割，对应获得序列片段集，其中每个序列片段包含15个残基，在切割之前在该种蛋白质序列的两端分别增加7个空白残基；提取每个序列片段中每个残基的序列特征和结构特征，并将两种特征拼接作为该残基的特征向量；将每个序列片段中各残基的特征向量拼接构成该序列片段的特征矩阵，将位于每个序列片段中心位置处的残基作为待预测残基，每个序列片段的特征矩阵和作为标签的对应待预测残基的B-factor构成一个训练样本，得到训练样本集；其中，序列特征包括：残基名称编码，残基物理化学性质，位置特异性打分矩阵PSSM以及基于隐马尔可夫模型的位置特异性打分矩阵HMM；结构特征包括：用于表征原子模型质量的R-value，晶体分辨率，原子堆积密度，扭转角以及溶剂可接触面积；采用训练样本集训练深度神经网络模型，得到蛋白质B-factor预测模型，其中，所述深度神经网络模型包括顺序连接的第一BiLSTM、第一Dropout、第二BiLSTM、第二Dropout、第一全连接层、Flatten和第二全连接层。
全文数据：
权利要求：
百度查询： 华中科技大学 中国科学院精密测量科学与技术创新研究院 一种基于双向长短期记忆网络的蛋白质残基B-factor预测模型构建方法
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