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！

龙图腾网获悉浙江工业大学申请的专利基于AlphaFold预测非天然环肽单体及其复合物三维结构的深度学习算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：CN119763725B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411846472.9，技术领域涉及：G16C20/70；该发明授权基于AlphaFold预测非天然环肽单体及其复合物三维结构的深度学习算法是由段宏亮;朱成设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本基于AlphaFold预测非天然环肽单体及其复合物三维结构的深度学习算法在说明书摘要公布了：本发明公开了一种基于AlphaFold预测非天然环肽单体及其复合物三维结构的深度学习算法，具体步骤包括：获取非天然线肽数据集；划分训练集、验证集和测试集；在AlphaFold中，添加用于捕获多肽原子尺度表征的神经网络；将得到的原子尺度表征池化后与AlphaFold原有的残基尺度表征相结合；通过定义非天然氨基酸的刚性组和初始化其原子坐标实现对非天然氨基酸结构的预测；利用非天然线肽训练集和验证集对改造过的AlphaFold进行训练；使用训练好的模型在非天然线肽测试集上进行测试；获取非天然环肽测试数据集；修改模型中的相对位置编码矩阵；使用修改后的模型在非天然环肽测试集上进行测试。与之前的结构预测模型相比，本发明能够对非天然环肽单体及其复合物结构进行准确预测。

本发明授权基于AlphaFold预测非天然环肽单体及其复合物三维结构的深度学习算法在权利要求书中公布了：1.一种基于AlphaFold预测非天然环肽单体及其复合物三维结构的深度学习算法，其特征在于，包括以下步骤： 步骤一：从RCSB ProteinDataBank数据库中获取含有非天然氨基酸的线肽结构，从晶体结构中删除溶剂、氢原子和杂原子，只保留每个结构的第一个状态； 步骤二：将步骤一得到的非天然线肽数据集划分为训练集、验证集和测试集并使用ColabFold构造特征； 步骤三：在原始的AlphaFold模型中，添加一个神经网络模块，用于捕获多肽分子的原子尺度表征，原子尺度特征来源于原子元素和它们之间的键信息； 步骤四：将步骤三得到的原子尺度表征进行池化，方便与AlphaFold模型原有的残基尺度表征相结合，以实现对多肽分子的多尺度建模，原子元素表征和原子之间键信息的表征都使用基于注意力的池化机制，将其映射为氨基酸残基尺度的嵌入； 步骤五：通过定义刚性组和初始化非天然氨基酸的原子坐标实现对非天然氨基酸空间结构的预测，AlphaFold模型中的Structure模块利用从Evoformer模块得到的单一表征和成对表征来预测蛋白质中每个氨基酸残基的扭转角，这些预测的扭转角与预定义的刚性组和初始化的原子坐标一起，对蛋白质空间结构中所有原子的坐标进行构建； 步骤六：利用步骤二得到的训练集和验证集对上述非天然线肽单体及其复合物结构预测模型进行训练，训练时，将每个训练样本中的氨基酸残基剪裁为220个，而验证集保持未剪裁状态，对于训练集中具有断点的样本，损失值减半，为了防止过拟合，基于验证集的损失实施早停策略； 步骤七：使用训练好的模型在步骤二得到的测试集上进行测试； 步骤八：获取非天然环肽单体及其复合物的测试数据集，去除其中的溶剂分子、氢原子和杂原子，只保留每种结构的第一个状态，删除含有核酸和重复的样本； 步骤九：修改非天然线肽单体及其复合物结构预测模型中的相对位置编码矩阵，使得两个成环残基在模型中的相对位置得以精准表征，彼此邻近； 步骤十：使用步骤九得到的模型在步骤八得到的非天然环肽测试集上进行测试。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区；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”。

以上内容由龙图腾AI智能生成。