一种基于深度卷积神经网络的配体绑定残基预测方法

发明专利有效专利

申请号：
CN201911225424.7
IPC分类号：G16B15/30;G16B40/00;G06N3/04;G06N3/08
申请日期：
2019-12-04
申请人：
浙江工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度卷积神经网络的配体绑定残基预测方法
申请号	CN201911225424.7	申请日期	2019-12-04
法律状态	授权	申报国家	中国
公开/公告日	2020-04-24	公开/公告号	CN111063389A
优先权	暂无	优先权号	暂无
主分类号	G16B15/30	IPC分类号	G;1;6;B;1;5;/;3;0;;;G;1;6;B;4;0;/;0;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	浙江工业大学	申请人地址	浙江省杭州市下城区朝晖六区潮王路18号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	浙江工业大学	当前权利人	浙江工业大学
发明人	胡俊;白岩松;樊学强;郑琳琳;张贵军
代理机构	杭州斯可睿专利事务所有限公司	代理人	王利强

摘要

一种基于深度卷积神经网络的配体绑定残基预测方法，首先，根据输入的残基数为L待进行配体绑定残基预测的蛋白质序列信息，使用HHblits程序获取包含M条序列的多序列联配信息；然后，统计这M条序列中某个位置残基类型在该行该列中出现的频率，并将这M条残基序列扩展为三维残基立方体；其次，统计三维残基立方体中某个位置残基类型在其所在的平面中出现的频率，根据频率数据将三维残基立方体扩展为三维特征立方体；再次，搭建深度卷积神经网络，利用已知绑定残基的蛋白质序列训练该网络；最后，将待预测的蛋白质序列转化为三维特征立方体输入到被训练过的深度卷积神经网络模型中，预测残基是否为绑定残基。本发明计算代价低、预测精度高。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供