一种基于图神经网络的Anti-CRISPR蛋白识别方法

本发明涉及基因编辑领域和人工智能领域，公开了一种基于图神经网络的Anti‑CRISPR蛋白识别方法。该方法通过构建异构网络对蛋白质之间的相似关系进行建模，利用图神经网络学习蛋白质特征，从而实现对Anti‑CRISPR蛋白的识别。本方法通过整合多种蛋白特征，包括组成特征、进化特征、重复和分布特征、序列相关性特征、结构相关特征以及ESM‑2蛋白质语言模型生成的嵌入表示，并结合图注意力机制（GAT）和基于空域的图神经网络（GraphSAGE），提高了识别性能。本发明在多个基准测试上表现出优异的准确性和鲁棒性，尤其在独立测试数据集上展现出更高的识别准确性，能够有效区分正负样本。此模型在Anti‑CRISPR蛋白的研究中具有重要的应用价值。