基于混合专家模型和全卷积神经网络的噬菌体-宿主预测方法

本发明公开了一种基于混合专家模型和全卷积神经网络的噬菌体‑宿主预测方法，包括：对每一对噬菌体和宿主的蛋白质序列样本，提取多源特征，包括统计特征和深度序列嵌入特征；基于统计特征，通过混合专家模型自适应地生成第一深度序列嵌入特征的第一权重系数和第二深度序列嵌入特征的第二权重系数；根据权重系数，对预训练模型的深度表征进行加权融合，形成统一的专家特征表示；将专家特征表示与所述统计特征拼接为组合特征；通过全卷积神经网络对所述组合特征进行分类，输出噬菌体‑宿主相互作用的预测结果。本发明能够动态权衡多源特征信息，捕捉蛋白质序列层面的细微线索，在不平衡或多变的数据条件下显著提高预测的准确率和泛化能力。