摘要
本发明提供了一种疾病标志物结构动力学特征确定方法,属于疾病标志物技术领域,通过组学技术筛查疾病标志物并建立结构功能数据库,对数据进行标准化处理后进行主成分分解,获得稳定和变动结构域分量。利用蛋白质互作网络构建标志物作用关系图,计算网络拓扑参数和最短路径,并将通路矩阵输入图神经网络获取标志物表征向量。同时采用原子力显微镜进行形貌分析,获取时间序列特征数据,并利用等温滴定量热法测定标志物与配体的结合参数。最后将稳定结构域分量、变动结构域分量、标志物表征向量、形貌特征数据和结合参数矩阵等多维数据输入深度学习模型,通过交叉验证进行训练优化,建立疾病预测模型,从而确定疾病相关标志物的结构动力学特征。
技术关键词
标准化方法
原子力显微镜
组学技术
疾病标志物技术
数据
矩阵
深度学习模型
网络节点
表面粗糙度参数
迪杰斯特拉算法
神经网络模型
奇异值分解方法
形貌特征
量热仪
结构域特征
深度学习架构
主成分分析方法
物理相互作用