摘要
本公开涉及预测突变对蛋白酶活性的影响。在一种用于预测突变对蛋白酶活性影响的方法中,基于待预测蛋白酶样本序列信息,使用预训练模型进行特征提取,获得待预测蛋白酶样本的序列特征(S110);基于待预测蛋白酶样本的三维结构信息,获得待预测蛋白酶样本的结构特征(S120);基于序列特征和结构特征,使用基于图神经网络的预测模型进行预测,确定待预测蛋白酶样本突变后的活性变化预测结果(S130)。还公开了一种用于预测突变对蛋白酶活性影响的预测模型的构建方法。本公开的方法基于先进的自然语言处理模型和图神经网络,结合序列和三维结构,通过人工智能模型进行预测,表现出优于其他现有方法的性能,证明了其在蛋白酶工程中的广阔的应用前景。
技术关键词
蛋白酶
序列特征
三维结构
预训练模型
样本
决策树模型
训练集
GBDT模型
非瞬时性计算机可读存储介质
网络结构
标签
梯度提升决策树
子模块
计算机系统
阿尔法
人工智能模型
存储计算机程序
分类器
系统为您推荐了相关专利信息
故障诊断模型
故障诊断方法
知识蒸馏方法
工业设备
特征提取网络
生成对抗网络
平衡轴承
数据故障诊断
GP模型
故障诊断方法
影像测量仪
学习算法
数据处理单元
网络结构
随机梯度下降
辨识方法
深度神经网络
参数
有功功率
训练样本集