龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：东北大学
摘要：本发明提供一种基于深度学习和智能优化融合的蛋白质性质预测方法，涉及蛋白质性质预测技术领域。该方法首先获取蛋白质序列数据，并转换为数字表示形式，使用卷积神经网络提取蛋白质序列特征；然后将蛋白质序列根据氨基酸的分类以及等电点和亲水性指数编码为蛋白质音乐，生成对应的Mel声谱图，输入到VGG16网络中提取其频率特征；将蛋白质的序列特征和频率特征结合，实现蛋白质性质预测；同时引入了带有精英保留策略的遗传算法对蛋白质性质预测模型的参数进行自动搜索，选择L1和L2正则化的系数为待搜索参数并设置其范围，随机初始化种群，之后依次计算种群的适应度值以及进行种群的选择、交叉和变异操作，迭代至满足终止条件；最后进行模型测试。
主权项：1.一种基于深度学习和智能优化融合的蛋白质性质预测方法，其特征在于：包括以下步骤：步骤1：获取蛋白质序列数据，将蛋白质序列数据划分为训练集、验证集和测试集，并将蛋白质的氨基酸序列的表示形式转换为数字形式；步骤2：将蛋白质序列编码为蛋白质音乐；获取蛋白质的序列信息，将蛋白质的每一个氨基酸对应到不同拍数、不同音量的音符，将蛋白质序列编码为蛋白质音乐；步骤3：生成蛋白质音乐的Mel声谱图，提取蛋白质序列的频率特征；步骤4：设置蛋白质性质预测模型待搜索的参数，待搜索参数的范围；根据编码规则初始化N个个体的种群；步骤5：构建蛋白质性质预测模型；步骤6：蛋白质性质预测模型前向计算，提取蛋白质的序列特征和蛋白质的频率特征来做蛋白质性质的预测；步骤7：蛋白质性质预测模型训练和验证，同时获取不同个体的适应度值；步骤8：判断是否满足终止条件，如果满足终止条件的话，跳转到步骤10；否则的话继续执行步骤9；步骤9：种群的选择、交叉和变异操作；步骤10：蛋白质性质预测模型测试；使用搜索得到的最优模型参数组合进行模型训练并在测试集上计算模型损失和对应的评价指标。
全文数据：
权利要求：
百度查询： 东北大学 基于深度学习和智能优化融合的蛋白质性质预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号