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：本发明公开了一种基于CNN‑Attention‑GNN模型的多肽结构鉴定方法及其应用，方法包括：对收集的多肽质谱信息进行预处理，建立标准化多肽数据集；设计并训练基于CNN‑Attention‑GNN架构模型，模型包括：肽离子峰鉴定层用于识别质谱峰中的碎片离子；节点嵌入层则通过卷积神经网络和自注意力机制进行特征提取，以捕捉有意义的信息；图神经网络层负责捕捉质谱峰中碎片离子之间的复杂关系，以提升模型推断的准确性；输出层通过Softmax和全连接层等操作生成最终的多肽序列；最后，将待测质谱数据输入训练好的模型，生成预测结果。本发明通过结合CNN网络、自注意力机制、图神经网络以及多肽谱峰间的相关联系，为生物领域的研究和生物活性肽的发展提供坚实基础。

主权项：1.一种基于CNN-Attention-GNN模型的多肽结构鉴定方法，其特征在于，包括如下步骤：S1：获取多肽质谱信息，并将多肽质谱信息进行预处理，得到标准数据集；所述预处理包括：对质谱数据进行鉴定分析，将二级原始谱图信息与鉴定所得多肽序列进行关联匹配，获得匹配结果；S2：构建多肽结构鉴定基础模型，并将所述数据集输入模型进行学习，得到训练模型；所述多肽结构鉴定基础模型包括：肽离子峰鉴定层：用于识别谱峰中的碎片离子；节点嵌入层：用于编码离子峰信息，在噪音中识别有用的离子信息，其主要架构为卷积神经网络包含卷积层、池化层、自注意力层、激活层以及全连接层；GNN层：用于捕获多肽谱图中不同碎片离子之间的复杂关系，帮助模型识别碎片之间的隐藏关系，进而更准确地推断肽段序列；输出层：用于输出模型预测的多肽序列，包含Softmax层、全连接层；所述多肽结构鉴定基础模型构建方法：S210：计算每个谱峰中当前位置的碎片离子以及其对应互补离子的理论值；S220：将S210得到的所有离子类型输入节点嵌入层，进行卷积计算、自注意力计算、池化得到一个包含谱峰信息的向量；S230：将S220中的输出作为GNN网络的初始节点嵌入，在两个节点之间建立一条边，直到所有的谱峰都被转换成图的形式，通过汇聚邻居节点的消息更新当前节点与其邻居节点之间的信息；S240：将S230输出的信息输入全连接层，进行线性变换操作，输出预测结果，形成训练模型；S3：将待测质谱数据输入所述训练模型，获得预测结果。

全文数据：

权利要求：

百度查询： 五邑大学 一种基于CNN-Attention-GNN模型的多肽结构鉴定方法及其应用