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！

龙图腾网获悉广东工业大学申请的专利基于卷积神经网络和残差注意力机制的蛋白质表达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：CN119851768B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510021637.7，技术领域涉及：G16B40/00；该发明授权基于卷积神经网络和残差注意力机制的蛋白质表达预测方法是由林健恺;曾伟良;郑智勇;林钧逸设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本基于卷积神经网络和残差注意力机制的蛋白质表达预测方法在说明书摘要公布了：本发明提供了一种基于卷积神经网络和残差注意力机制的蛋白质表达预测方法，属于生物信息学和人工智能领域。本方法包括以下步骤：对DNA序列进行数据清洗和二进制独热编码，将编码后的DNA序列输入特征提取层，提取DNA的局部特征；通过卷积神经网络提取局部特征，通过多头注意力机制获取全局特征，并结合残差连接；最终将全局特征输入全连接层，生成蛋白质表达预测结果。进一步地，利用SHAP可解释性方法，对预测模型输出结果进行解释，量化DNA序列中每个位置的碱基对预测值的贡献。本发明结合深度学习与可解释性技术，显著提高了蛋白质表达预测的精度和可信度，适用于预测蛋白质表达。

本发明授权基于卷积神经网络和残差注意力机制的蛋白质表达预测方法在权利要求书中公布了：1.基于卷积神经网络和残差注意力机制的蛋白质表达预测方法，其特征在于，所述方法包括： S1、基于DNA编码器对DNA序列中的碱基进行编码，通过编码方式能够将DNA序列转化为机器学习模型可以处理的数值格式，并且保留了碱基的顺序信息； S2、获取蛋白质荧光表达值预测模型；所述模型包括特征提取层、主要的神经网络训练模型以及全连接层，其中主要的神经网络训练模型包括堆叠的卷积结构和多头注意力机制网络； S3、将原始数据作为DNA编码器的输入，获得编码后的DNA序列矩阵； S4、将编码后的DNA序列矩阵作为特征提取层的输入，获得DNA序列的预训练特征； S5、将DNA序列的预训练特征作为主要的神经网络训练模型的输入，获得DNA序列的预训练特征的全局特征； S6、在获得DNA序列的预训练特征的全局特征后，这些特征被输入到全连接层，并通过一个线性变换生成最终的输出，该输出即为蛋白质荧光值预测，表示蛋白质的表达水平； S7、根据训练过后的权重网络结合SHAPSHapleyAdditiveexPlanations可解释性方法，筛选出对最后的预测结构有因果关系的DNA序列的位置以及碱基，根据最优特征子集实现蛋白质荧光表达。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区广州大学城外环西路100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”。