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！

摘要：本发明适用于生物信息技术领域，提供了一种基于深度学习的抗性多肽识别方法。本发明专注于识别AMP、ACP、ADP、AHP、AIP、AAP和AOP七种生物抗性肽，解决传统方法鉴定抗性多肽时存在的昂贵、费力和耗时等问题。该方法能够更全面的描述抗性多肽的特征，实现更高效、准确的识别。与5个最先进的方法在相同测试集上进行比较时，本发明的AP‑FD模型将敏感度提高了11.2‑23.9%，准确率提高了0.4‑2.5%，F1值提高了6.1‑16%，MCC提高了5.3‑16%，AUC提高了1.6‑4.7%，AP值提高了8.7‑19.5%。且AUROC和APROC曲线进一步证实了AP‑FD模型优于其他对比方法。

主权项：1.一种基于深度学习的抗性多肽识别方法，其特征在于，包括以下步骤：步骤1、数据准备；具体步骤如下：步骤11、数据收集：从数据库中搜集多肽序列数据，包括AMP、ACP、ADP、AHP、AIP、AAP和AOP七类，形成数据集；将数据集随机划分为训练集和测试集；步骤12、数据平衡：在训练集上对数据量少的类别进行数据增强，测试集保持不变；步骤2、序列编码：使用ESM-2、Prot-T5和AAindex1三种不同的编码方式对多肽序列进行转换；步骤3、AP-FD模型构建；所述AP-FD模型是一个基于双通道的深度学习模型，使用训练集数据对AP-FD模型进行训练，使用测试集对AP-FD模型的性能进行评估；所述AP-FD模型的处理流程如下：第一个通道、时间序列信息提取：合并ESM-2、Prot-T5和AAindex1编码后的多肽序列，使用BiLSTM网络学习合并后多肽序列的时间序列信息，记为S1；第二个通道、相互作用信息提取：将ESM-2、Prot-T5和AAindex1得到的特征两两组合，生成联合矩阵，分别为（AAindex1，Prot-T5）、（AAindex1，ESM-2）和（Prot-T5，ESM-2）；使用二维卷积神经网络学习联合矩阵信息，以获取特征之间的互补增强信息，记为S2；特征分类与功能预测：将S1和S2的信息合并，采用全连接层对合并后的信息进行进一步的学习，通过全连接层的输出对抗性多肽的功能进行预测。

全文数据：

权利要求：

百度查询： 吉林大学 通化师范学院 一种基于深度学习的抗性多肽识别方法