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：辽宁大学
摘要：本发明涉及一种融合网络拓扑信息的化合物‑蛋白质相互作用预测方法，包括以下步骤：步骤1：数据预处理；步骤2：构建相互作用网络，计算网络中每个节点的中心性度量；步骤3：对于数据集中每对化合物和蛋白质，使用基于共同邻居数的方法，计算化合物与蛋白质的相关性度量；步骤4：构建一个基于transformer的模型，将节点的中心性加到节点特征中。步骤5：将每对节点的相关性作为交叉注意模块中的偏置项。步骤6：利用全连接层输出预测概率。本发明考虑到了相互作用网络中的拓扑信息，将蛋白质和化合物本身的性质与相互作用网络的拓扑信息融合，有效地利用拓扑信息提高了化合物‑蛋白质相互作用预测的准确率。
主权项：1.一种融合网络拓扑信息的化合物-蛋白质相互作用预测方法，其特征在于，包括以下步骤：步骤1：对数据进行预处理；步骤2：根据数据集构建化合物-蛋白质相互作用网络，计算相互作用网络中每个节点的度，作为节点的中心性度量；步骤3：对于数据集中每对化合物和蛋白质，计算化合物在相互作用网络中的各相邻节点与蛋白质的共同邻居数，作为化合物对蛋白质的相关性度量；同理得到蛋白质对化合物的相关性度量；步骤4：构建一个基于transformer的二分类模型，根据得到的节点的中心性度量为每个节点分配一个实值嵌入向量，将其添加到节点特征中；步骤4.1：构建一个传统的transformer模型，去除解码器的位置编码并将掩码由下三角矩阵变换成邻接矩阵以使解码器只能看到相邻节点；步骤4.2：根据节点的中心性度量为每个节点分配一个实值嵌入向量，将其添加到节点特征中，方法如下：F＝X+Zdeg1其中，F代表最终得到的新的特征向量；X代表氨基酸或者原子的初始特征向量；Z是可学习的嵌入向量,由蛋白质或化合物节点的度指定；步骤5：为得到的每对节点的相关性的每个可能取值分别分配一个可学习标量，将其作为步骤4所述模型中交叉注意模块的偏置项；步骤6：最后利用全连接层，输出预测概率。
全文数据：
权利要求：
百度查询： 辽宁大学 一种融合网络拓扑信息的化合物-蛋白质相互作用预测方法
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