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！

龙图腾网获悉北京信息科技大学申请的专利一种基于联邦学习的蛋白质磷酸化位点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：CN119943140B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510029209.9，技术领域涉及：G16B20/30；该发明授权一种基于联邦学习的蛋白质磷酸化位点预测方法是由吴浪;董毅;王萌;王灿;吴秋新设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种基于联邦学习的蛋白质磷酸化位点预测方法在说明书摘要公布了：本发明公开了一种基于联邦学习的蛋白质磷酸化位点预测方法，涉及生物信息学分析技术领域，包括：每个参与联邦学习的客户端对其蛋白质序列数据进行预处理，建立各自的训练集和测试集；每个客户端利用本地数据集进行模型训练，并向委员会输出本地模型、预测准确率与本地数据集特征描述；委员会通过对各个客户端的本地模型进行测试，选择符合标准的本地模型，并依据各个客户端数据集的特征描述来优化聚合全局模型；利用联邦学习委员会的固定成员测试聚合的全局模型，判断是否结束联邦学习。因此，采用上述一种基于联邦学习的蛋白质磷酸化位点预测方法，能够克服数据不平衡的问题，有效保护数据隐私的同时，实现多方数据的共享和利用。

本发明授权一种基于联邦学习的蛋白质磷酸化位点预测方法在权利要求书中公布了：1.一种基于联邦学习的蛋白质磷酸化位点预测方法，其特征在于，包括以下步骤： S1、对蛋白质序列数据进行预处理，获取阳性样本和阴性样本，通过随机采样使阳性、阴性样本独立且同分布，并划分训练集和测试集，同时对客户端的本地数据的规模、标签比例和位点比例进行统计形成本地数据集的特征描述； S2、建立联邦学习委员会，由固定成员和临时成员组成，固定成员拥有全局模型测试数据集并负责生成初始全局模型，临时成员由参与联邦学习的客户端通过遴选产生，负责检测本地模型的预测准确率； 其中，联邦学习委员会中临时成员的遴选标准生成，包括： 第一轮联邦学习过程中，通过固定成员对每个客户端的本地模型进行检测，得到联邦学习委员会的预测准确率，并计算其与本地模型预测准确率的差值，将该差值的绝对值作为本轮的可靠度，再根据可靠度从客户端中选取本轮次联邦学习委员会的临时成员； 在后续联邦学习轮次中，通过上一轮选择的临时成员对各个客户端的本地模型进行检测，得到各个临时成员的预测准确率，分别求取与本地模型预测准确率的差值，再对差值的绝对值求和作为后续轮次的可靠度，并根据该可靠度选取后续各个轮次联邦学习委员会的临时成员； S3、每个客户端参与联邦学习，获取初始全局模型，并利用本地数据集对该模型进行训练，得到各个客户端的本地模型和本地预测准确率； S4、将各个客户端训练的本地模型、预测准确率和数据集特征描述传递给联邦学习委员会开展检测，并根据联邦学习委员会的预测准确率确定遴选标准，选择符合遴选标准的本地模型参与聚合，生成全局模型； 其中，选择符合遴选标准的本地模型参与聚合，包括： 首先，通过联邦学习委员会的临时成员，利用本地测试集对非联邦学习委员会客户端的本地模型进行测试，得到各个临时成员的预测准确率； 其次，计算各临时成员的预测准确率与本地模型预测准确率的差值，对各个差值的绝对值求和作为对应本地模型的可靠度； 然后，根据可靠度分布情况确定遴选的标准线，并剔除低于标准的本地模型，进而对符合遴选标准的本地模型进行全局聚合； S5、联邦学习委员会利用全局模型测试数据集，对生成的全局模型进行检测，并依据检测结果决定终止联邦学习或启动下一轮联邦学习，直至收敛。

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北京信息科技大学，其通讯地址为：100192 北京市海淀区清河小营东路12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”。