一种基于集成深度学习的抗菌肽预测方法

本发明公开了一种基于集成深度学习的抗菌肽预测方法，属于生物信息领域。该方法首先从肽段结构、氨基酸残基及其理化性质等方面提取信息，然后通过三种方式(图表示、序列表示、描述符集表示)对肽进行表示。接下来，通过两种深度学习模型：图注意力网络(GAT)和门控循环单元(GRU)对肽进行特征提取，其中GAT获取肽的结构特性，GRU捕捉肽的时序特性。通过XGBoost模型和线性层以及Softmax函数进行抗菌肽的预测。最后，采用集成学习方法将多个模型的预测结果进行加权求和，得到肽段最终的预测结果。全面而深入的数据挖掘和多模型集成预测方法，使得该方法在抗菌肽预测任务上取得更准确的预测结果，从而有助于抗菌肽的快速发现和研究。