摘要
提供了基于图神经网络预测蛋白稳定性的方法。具体地说,提供了一种预测蛋白质突变后稳定性的方法,包括:基于待预测蛋白质样本序列信息,使用预训练模型进行特征提取,获得待预测蛋白质样本的序列特征;基于待预测蛋白质样本的三维结构信息,获得待预测蛋白质样本的结构特征;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,确定待预测蛋白质样本突变后的稳定性预测结果。还提供了一种蛋白质突变后稳定性预测模型的构建方法。通过将自然语言处理模型与图神经网络相结合,预测发生突变导致的稳定性变化,表现出优于早期方法的性能。
技术关键词
序列特征
预训练模型
样本
蛋白质三维结构
训练集
非瞬时性计算机可读存储介质
阿尔法
网络结构
子模块
计算机系统
标签
存储计算机程序
分类器
坐标
位点
节点
电子设备
系统为您推荐了相关专利信息
康复训练系统
康复训练装置
预训练模型
电极片
降噪耳机
实体识别方法
多层LSTM模型
自然语言
文本
数学
多源大数据融合
智能分析系统
监测模块
空气
地面