基于可变形卷积神经网络和趋同相似性原理的预测方法

本发明涉及一种预测方法，具体是基于可变形卷积神经网络和趋同相似性原理的预测方法，通过收集蛋白质序列、蛋白质结构数据和蛋白质相互作用信息；使用可变形卷积神经网络DCN模型对蛋白质序列进行特征提取；计算蛋白质的趋同相似性，将获得的序列相似性矩阵、结构相似性矩阵、功能相似性矩阵三个矩阵，将所有矩阵的加权平均作为融合后最终的相似性矩阵；选择图神经网络GNN处理图结构数据，使用部分已知的蛋白质相互作用信息来训练预测模型，选择随机梯度下降优化算法优化模型参数；利用优化后的预测模型对蛋白质的相互作用进行预测。本发明融合可变形卷积技术和趋同相似性技术，显著提升了蛋白质相互作用网络的数据质量和深度解析。