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！

龙图腾网恭喜中国海洋大学申请的专利一种基于双重协同机制的蛋白质相互作用预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118609643B 。

龙图腾网通过国家知识产权局官网在2025-05-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410260920.0，技术领域涉及：G16B20/00；该发明授权一种基于双重协同机制的蛋白质相互作用预测方法是由张树刚;魏志强;马文健设计研发完成，并于2024-03-07向国家知识产权局提交的专利申请。

本一种基于双重协同机制的蛋白质相互作用预测方法在说明书摘要公布了：本发明涉及蛋白质预测技术领域，特别涉及一种基于双重协同机制的蛋白质相互作用预测方法。本发明通过利用蛋白质结构对之间的交互注意力，将蛋白质协同引入到孪生架构中，实现了蛋白质之间的相互作用知识共享。本发明提出基于交互注意力的蛋白协同机制，使得一个蛋白内关键残基的判定不仅依赖于自身特征，还依赖于其协作蛋白，从而实现了两个蛋白质间的知识共享，进一步提高了模型的相互作用预测准确性。本发明将蛋白质功能预测任务和亚细胞位置预测任务引入到蛋白质相互作用预测模型的训练过程中，从而使得一对蛋白质间共享的知识能够在不同任务中得到互补，进一步提高了模型的相互作用预测准确性。

本发明授权一种基于双重协同机制的蛋白质相互作用预测方法在权利要求书中公布了：1.一种基于蛋白协同和任务协同的蛋白质相互作用预测方法，其特征在于，包括以下步骤：步骤一：残基接触图的构建首先，根据AlphaFold2预测的蛋白结构中Alpha-C的三维坐标，计算任意一对残基之间的欧式距离；接着，若残基i和残基j之间的欧氏距离di,j小于预设阈值t，则将其视为接触，依次类推，得到完整的接触图，其被定义为: 其中，A∈RN×N表示残基接触图，N为残基数量，阈值t经实验测定，被设置为残基接触图A∈RN×N被定义为邻接矩阵，用于表示蛋白质二维结构内残基间的连接关系；步骤二：构建预训练的残基嵌入将长度为N的蛋白序列送入预训练好的ESM-2中，通过ESM-2将蛋白内的任何残基转化为连续的向量，其尺寸为1×1280；将所述连续的向量直接作为残基嵌入；由堆叠的残基嵌入组成的特征矩阵X∈RN×1280转移到下游的蛋白质任务中；步骤三：利用孪生图注意力层提取蛋白结构特征经过步骤一、二，一对蛋白质被表示成两个蛋白质图和其中V1和V2分别为和的残基结点的集合，A1和A2分别为和的邻接矩阵，X1和X2分别为和的特征矩阵；使用孪生图注意力层，提取该蛋白质对的结构特征；步骤四、基于交互注意力的蛋白协同经过上述步骤，获得蛋白质对更新后的特征表示，即X1′和X2′，交互注意力被引入来实现蛋白间的协同；结合蛋白质对中两个蛋白各自的特征和计算交互注意力的注意力分数；对此，设计三个不同的策略用于注意力分数的计算： 其中，和分别表示第一个蛋白中的第i个残基嵌入和第二个蛋白中第j个残基嵌入，d表示特征维度，·T和⊙分别表示转置和哈达玛积，U∈Rd×d，V∈Rd×d和w∈R1×d分别是三组可学习的模型参数，用于对和进行可学习的线性映射，从而使得第二个蛋白中第j个残基对第一个蛋白中的第i个残基的注意力分数qij被得到；之后进行SoftMax操作后，获得一对蛋白质的概率向量形式的最终交互注意力分数： 其中，exp是以自然常数e为底的指数函数；通过第二个蛋白对第一个蛋白中第i个残基的注意力分数和第一个蛋白对第二个蛋白中第j个残基的注意力分数的计算，蛋白质相互作用的知识在蛋白质对之间被充分共享，使得每个蛋白中对相互作用贡献更大的残基根据其协同蛋白被识别出来；最后，将两个注意力得分与原始蛋白质表示和相乘，进行残基重要性的调整，从而实现蛋白质对的协同： 此外，和计算过程被归纳成：φX1′,X2′→Q其中，表示策略函数，用于将尺寸分别为N1×d和N2×d的一对特征图映射为尺寸为N1×N2注意力分数矩阵之后，行平均和列平均操作被分别应用于从而得到整个蛋白质对另一蛋白质中单个残基的注意分数和其被定义为： 其中，N1和N2分别表示第一个蛋白和第二个蛋白中的残基数量；步骤五、基于同构多任务学习的任务协同将步骤四得到的蛋白质对的表示s1和s2直接被输入到全连接分类器中进行二进制相互作用预测，本步骤引入具有蛋白质功能预测和亚细胞位置预测两个辅助任务的同构多任务学习，以共同微调孪生注意力层的可学习参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。