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：中国石油大学(华东)
摘要：本发明涉及生物信息学领域，特别是涉及基于层次图和几何向量感知器的蛋白质位点预测方法，RAGVP‑PPIS模型构建了一个综合了残基层次和原子层次的蛋白质图，包括：残基图和原子图，模型采用几何向量感知器，构建了基于GVP的图神经网络来学习残基图和原子图上两个尺度的信息来进行预测。模型的主要流程包括：层次图构建、特征学习、信息聚合。最终，聚合后的节点特征被输入到预测层，以生成位点预测结果。实验结果表明，与其他基于蛋白质结构和蛋白质序列的预测方法相比，该模型在准确度、精确度、召回率、F1分数、马修斯相关系数、接收者操作特征曲线下面积以及精确召回曲线下的面积等评估指标上均达到较好的效果。
主权项：1.基于层次图和几何向量感知器的蛋白质位点预测方法，其特征在于，包括以下步骤：S1、从蛋白质序列和蛋白质结构信息中提取蛋白质的节点特征和边特征，包括残基类型、原子坐标、化学键信息；S2、根据提取的节点特征和边特征，构建蛋白质的层次图表示，作为RAGVP-PPIS模型的输入，层次图表示包括原子层次和残基层次的图结构，用于表示蛋白质的不同尺度信息；S3、分别搭建关注原子层次和残基层次的GVP-GNN，以学习原子尺度和残基尺度的特征信息；S4、基于RAGVP-PPIS模型的层次图表示，将蛋白质图的节点特征和边特征输入到对应尺度的GVP-GNN中，进行节点嵌入的聚合更新；S5、RAGVP-PPIS模型通过预测层进行特征降维处理，并输出最终的预测结果。
全文数据：
权利要求：
百度查询： 中国石油大学(华东) 基于层次图和几何向量感知器的蛋白质位点预测方法
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