一种异二聚体链间残基接触预测方法

本发明公开了一种异二聚体链间残基接触预测方法。本发明针对现有方法在预测精度、长程依赖建模能力以及泛化性方面的不足，提出了一种集成多种特征和注意力机制的深度神经网络。具体而言，本发明通过整合蛋白质语言模型等多种特征作为网络模型输入，随后，网络采用高效通道注意力(ECA)和空间注意力(SA)模块以及KAN卷积网络模块，有效捕获异二聚体的局部及全局依赖特征，从而预测异二聚体链间残基接触。实验表明，本发明在基准数据集上的预测精度显著优于现有方法，模型具有较高的鲁棒性。本发明可广泛应用于蛋白质异二聚体链间残基接触预测和蛋白质结构预测领域，进一步推动蛋白质功能研究和蛋白质药物研发。