一种基于深度学习肽活性预测方法及系统

本发明涉及肽活性预测技术领域，特别涉及一种基于深度学习肽活性预测方法及系统，方法包括S1：肽序列输入与预处理；S2：特征提取；S3：特征增强与优化；S4：活性预测计算；S5：结果输出与分类。本方案中，通过多维度合法性校验严格筛选输入肽序列，确保数据质量；采用多尺度卷积神经网络分层捕捉序列的局部模式、位置关联及全局特征，结合全局最大池化生成固定维度特征向量，有效保留显著特征并降低维度。这一流程解决了传统方法因数据异常或特征提取片面导致的误差问题，为后续预测提供更有效的数据基础。