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跨模态增强表示学习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：CN119626312B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202510152944.9，技术领域涉及：G16B15/20；该发明授权一种基于跨模态增强表示学习的蛋白质相互作用预测方法是由张树刚;陈睿;毕祥鹏;魏志强;卢云;孙品;刘尚龙;解文韬;毕传林设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本一种基于跨模态增强表示学习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，公开了一种基于跨模态增强表示学习的蛋白质相互作用预测方法。本发明设计了Convformer和Graphformer两个模块，通过在各自模块中引入全局注意力机制，突破了现有方法仅关注局部特征或全局特征的限制。这种设计使得模型能够同时捕获蛋白质的局部模式和全局依赖关系，提供了更全面的蛋白质表示。本发明提出了一种基于对比学习的跨模态增强方法，通过显式的模态对齐过程解决了序列和结构模态之间的差异问题。这种方法不仅能够保持各个模态的独特信息，还能充分发挥模态间的互补性，从而获得更丰富的蛋白质表示。本发明提出的跨蛋白融合模块能够更准确地捕获蛋白质相互作用的本质特征，显著提升了PPI预测的准确性。

本发明授权一种基于跨模态增强表示学习的蛋白质相互作用预测方法在权利要求书中公布了：1.一种基于跨模态增强表示学习的蛋白质相互作用预测方法，其特征在于，包括以下步骤：一、序列模态表示利用结合CNN和多头自注意力机制的序列特征编码器Convformer，实现片段之间的全局交互，同时保留每个片段内的局部特征，从而获得更高质量的序列嵌入；二、结构模态表示提出一种图神经网络模型Graphformer，用于提取2D蛋白质拓扑图中的蛋白质关键结构信息，其中表示图中的节点，表示节点之间的边；Graphformer包括两个阶段：全局注意力阶段和图注意力阶段；全局注意力机制学习到的全局特征作为上下文信息来指导图注意力捕获蛋白质图的结构信息；经过这两个阶段后，获得蛋白质图的最终结构嵌入，其中代表一个n行d列的矩阵，矩阵的取值为实数，n表示一个蛋白质图中残基节点的数量，d表示特征的维度；三、跨模态增强利用跨模态增强模块实现特征对齐和融合，该模块由两部分组成：跨模态对齐和跨模态融合；四、跨蛋白融合模块为了捕获蛋白质对之间的局部相互作用，在它们的模态联合表示和上应用跨蛋白融合模块；该模块由两层组成：一层用于建模蛋白质对的相互作用，称为相互作用映射层，该层通过计算蛋白质对之间的多头交互图来捕获残基级别的相互作用模式；另一层用于获取蛋白质对的联合表示，称为注意力池化层，该层基于交互图计算注意力分数，进而聚合得到蛋白质对的联合表示；五、相互作用预测从跨蛋白融合模块获得的最终蛋白质联合表示被输入到分类器中进行PPI的预测： ；其中表示预测标签，是分类器，包含三个全连接线性层。

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：266000 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”。