蛋白质热稳定性点突变预测模型构建方法及预测方法

本申请公开的蛋白质热稳定性点突变预测模型构建方法在目标残基周围预设距离范围内进行了多维物理量的选择，能更全面地反映蛋白质的结构特性，为预测蛋白质热稳定性点突变提供了更丰富的信息基础。训练三维卷积神经网络时，通过大尺寸卷积核可捕捉较大范围原子间的相互作用，揭示复杂关系；通过小尺寸卷积核可专注局部细节，两者结合可从不同尺度全面描述结构特征，确保模型学习到关键信息。迁移学习神经网络的归一化方法强调实验数据提供的信息，同时保持未突变氨基酸的基准概率作为参考，能够更精确地预测氨基酸突变对蛋白质热稳定性和功能活性的影响，尤其是在缺乏全面实验数据的情况下，依然能够依靠已知的实验信息和基准值做出合理的推断。