摘要
本发明涉及一种基于元域对抗网络的多肽蛋白质相互作用预测方法,包括如下步骤:S1.构建样本的元域;S2.特征提取;S3.特征交互,生成样本特征;S4.元域对抗训练:将样本特征送入元域分类器,计算元域分类损失,所述梯度反转层将来自元域分类损失的梯度乘以一个负常数后传递给样本特征的所有上游特征提取模块;S5.相互作用的预测,输出预测概率并计算预测损失;S6.模型的总损失函数为包含预测损失和元域分类损失。本发明有益效果:不仅能够准确学习多肽与蛋白质间的相互作用模式,更重要的是能够具备良好的域泛化能力,即在面对序列分布有差异的未知域数据时,依然能够保持较高的预测准确性和鲁棒性。
技术关键词
蛋白质相互作用预测方法
多肽
特征提取模块
样本
序列
分类器
大语言模型
层次聚类算法
网络
标签
模态特征
注意力
编码器
参数
鲁棒性
阶段
位点