一种基于多视图多模态表征学习的生物活性肽功能预测方法

本发明公开了一种基于多视图多模态表征学习的生物活性肽功能预测方法，包括：利用多尺度膨胀卷积CNN和双向LSTM提取多肽氨基酸序列信息；利用ESM‑2模型提取多肽分子的结构和功能特征；分子指纹信息通过卷积CNN和Mamba结构进行处理；多肽分子图的拓扑信息通过传统的卷积CNN提取，节点特征则通过图卷积神经网络处理。所有这些多视角特征最终通过特征融合成聚合的特征表示，然后通过全连接层并应用sigmoid函数进行多标签分类。通过将提取到的特征最终通过特征拼接和融合，形成一个综合的多肽分子特征表示，以预测多肽的多种生物活性特性。这种多视图、多模态特征集成的方法不仅增强了模型的预测能力，也提高了在处理复杂生物数据时的灵活性和准确性。