本发明属于生物信息学领域，具体涉及一种基于弗洛伊德算法网络的药物与靶点作用预测方法，融合了弗洛伊德算法、深度学习、柯尔莫哥洛夫‑阿诺德网络，注意力机制等技术手段。该方法首先对药物分子图与蛋白质图进行预处理，利用摩根指纹算法提取分子结构特征，引入进化尺度建模框架的第二代蛋白质序列预训练模型提取蛋白质语义特征。然后，将药物和蛋白质的嵌入特征分别输入到由弗洛伊德算法构建的并行柯尔莫哥洛夫‑阿诺德网络中进行特征映射，并引入联合注意力机制以建模药物原子与蛋白残基之间的高维交互关系。实验结果表明，本发明的方法在药物‑靶点亲和度预测任务中具有较高的准确性和泛化能力。
📄 2025108583020
📂 G16B15_30
👤 鲁东大学
📅 2025-06-25
本发明提出一种互补决定区3与免疫表位结合预测方法，属于生物信息学领域。该方法融合多模态异质图建模、图注意力网络（GAT）与多目标损失函数协同优化，旨在突破现有技术在异构数据建模、类别不平衡及预测精度等方面的限制。通过构建互补决定区3节点与免疫表位节点的异质图，引入GAT实现跨模态特征交互，并结合焦点损失函数与AUC损失函数动态权重优化策略，提升模型对困难样本的识别能力和整体排序性能。同时，通过注意力权重实现结合热点残基的可解释性解析。本方法显著提高了互补决定区3与免疫表位结合特异性的预测准确率，可广泛应用于癌症疫苗设计、个体化免疫治疗及自身免疫病研究中，具有重要的理论意义和实际应用价值。
📄 2025108076308
📂 G16B15_30
👤 鲁东大学
📅 2025-06-17
一种基于残基接触信息辅助评价的蛋白质结构预测方法，首先，利用Robetta和RaptorX‑Contact得到片段库和接触图；其次，在种群进化的两个阶段，以不同的方式利用接触图辅助评价构象；最后，通过聚类得到最终预测结果。本发明利用接触图信息，辅助评价构象，保留拓扑正确的构象，从而提高搜索效率，提高预测精度。本发明提供一种预测精度较高的基于残基接触信息辅助评价的蛋白质结构预测方法。
📄 2018110006708
📂 G16B15_30
👤 浙江工业大学
📅 2018-08-30
一种基于共表达网络的癌症靶向标志物测绘方法，包括以下步骤：1)构建共表达基础网络，根据特征基因的基因表达数据计算邻接矩阵与拓扑矩阵；2)提取共表达基础网络的特征，即将拓扑网络的各个基因节点转换为特征向量作为网络的特征值；3)训练神经网络模型，根据游走序列，进行神经网络模型参数的训练；4)进行癌症靶向标志物测绘，根据基于密度峰的聚类中心自适应算法进行靶向基因社区的自动发现。本发明提供一种具有良好的普适性和精度，采用共表达基础网络构建和节点特征向量提取以及基因社区自动发现实现目标基因测绘的方法。
📄 2017113365591
📂 G16B15_30
👤 浙江工业大学
📅 2017-12-14
一种基于能量函数的模板口袋搜索方法，首先，使用COACH服务器预测出蛋白质绑定残基信息；然后，设计计算代价小的筛选条件去除掉数据库中大量结构相似度很低的口袋；最后，设计精确的能量函数对两个口袋的结构相似度进行打分，并选择能量最低的口袋作为模板口袋。本发明提供一种计算代价低、搜索效率高的基于能量函数的模板口袋搜索方法。
📄 2019111873485
📂 G16B15_30
👤 浙江工业大学
📅 2019-11-28
一种基于三段式滑动窗口的DNA绑定残基预测方法，首先，根据输入待进行DNA绑定残基预测的蛋白质序列信息P，其残基个数为L，使用PSI‑BLAST程序搜索蛋白质序列数据库UniRef90生成一个大小为L×20位置特异性评分矩阵，使用SANN程序获取一个大小为L×3的溶剂可及性特征矩阵，通过one‑hot编码方式获取一个大小为L×20的特征矩阵；然后，将三种特征矩阵拼接为一个L×43的超级特征矩阵，即蛋白质每个残基对应一个1×43的特征向量，通过余弦相似度得到两两残基间的特征向量的相似度，即残基相似度；其次，采用三段式滑动窗口技术对超级矩阵中的每个残基进行特征视图处理，并将这些特征视图扩展为特征向量；再次，利用已知DNA绑定残基的蛋白质序列生成对应的特征向量与标签输入支持向量机进行训练；最后，将待预测的蛋白质序列生成的特征向量输入到训练好的模型中，预测蛋白质序列中的残基是否为DNA绑定残基。本发明计算代价小、预测精度高。
📄 2022107862511
📂 G16B15_30
👤 浙江工业大学
📅 2022-07-04
一种基于循环网络的蛋白质与蛋白质相互作用预测方法，首先，根据输入的待测定蛋白质‑蛋白质作用的蛋白质序列信息，生成蛋白质序列的残基组成特征、残基过渡特征、残基分布特征；其次，生成蛋白质序列的残基组成特征、残基过渡特征、残基分布特征；然后，生成蛋白质序列的残基组成特征、残基过渡特征、残基分布特征；再次，搭建循环神经网络框架，从PDB库中收集已有蛋白质‑蛋白质界面相互作用的蛋白质序列和标签，计算蛋白质序列的特征张量，与对应的标签组成数据集，使用循环神经网络框架在数据集上学习预测模型；最后，将待进行蛋白质‑蛋白质界面相互作用预测的特征向量输入模型中，得到界面作用预测结果。本发明计算代价低、预测精度高。
📄 2021100868315
📂 G16B15_30
👤 浙江工业大学
📅 2021-01-22
一种基于差分进化的蛋白质ATP对接方法，首先，使用ATPbind服务器预测出蛋白质‑ATP绑定残基信息，提升了复合物分子空间结构的预测精度；然后，通过种群个体的设计将原先的蛋白质‑ATP结构预测问题转换成搜索最优个体的优化问题，降低了计算代价；最后，通过使用差分进化算法搜索最优个体，提升了蛋白质‑ATP复合物结构的预测精度。本发明提供一种计算代价低、搜索效率高的基于差分进化的蛋白质ATP对接方法。
📄 2019103026415
📂 G16B15_30
👤 浙江工业大学
📅 2019-04-16
一种基于个体特定变异策略的群体蛋白质结构预测方法，在差分进化算法框架下，针对每个构象，计算其与当前种群中其它所有构象的距离，并根据平均距离、最大距离和最小距离计算构象的搜索状态因子来确定该构象个体的状态；如果构象处于局部搜索状态的概率较大，则选择与其邻近的部分个体，并选择出这些个体中的最优个体来指导构象的变异过程；如果构象处于全局探测状态，则从整个种群中随机选择构象来进行变异；从而对每个构象设置特定的变异策略，达到提高采样效率和维持种群多样性的效果。本发明提供一种搜索效率和预测精度均较高的基于个体特定变异策略的群体蛋白质结构预测方法。
📄 2018109937427
📂 G16B15_30
👤 浙江工业大学
📅 2018-08-29
一种下界估计策略自适应蛋白质结构预测方法，在进化算法框架下，首先，种群初始化，根据轮盘赌的方法选择不同的策略对构象进行变异，交叉；其次根据下界估计函数，Rosetta能量函数score3、以及蒙特卡洛概率接收准则对构象进行选择，来指导构象的更新过程，根据构象更新的历史信息动态更新策略选择概率，下界估计策略自适应蛋白质结构预测方法不仅能够缓解能量函数不精确的问题，而且可以根据历史信息引导算法采样得到能量更低且结构更合理的构象，同时提高采样效率。本发明提供一种采样效率和预测精度都较高的下界估计策略自适应蛋白质结构预测方法。
📄 2018109946731
📂 G16B15_30
👤 浙江工业大学
📅 2018-08-29
一种基于距离和角度信息的蛋白质ATP对接方法，首先，使用ATPbind服务器预测蛋白质‑ATP绑定残基信息辅助预测复合物的结构；生成多种绑定组合方式，增加了构象的多样性；然后，通过种群个体的设计将原先的蛋白质‑ATP结构预测问题转换成搜索最优个体的优化问题，降低了计算代价；最后，设计一种精确的能量函数对生成的构象进行打分，提升了复合物结构的预测精度。本发明提供一种计算代价低、搜索效率高的基于距离和角度信息的蛋白质ATP对接方法。
📄 2019107468369
📂 G16B15_30
👤 浙江工业大学
📅 2019-08-14
一种基于配体生长策略的蛋白质ATP对接方法，首先，使用ATPbind服务器预测出蛋白质ATP绑定残基信息，辅助蛋白质与小分子对接；然后，通过将配体分解为多个片段依次进行对接，并使用能量函数优化片段的空间位置，提升了蛋白质‑ATP复合物结构的预测精度；最后，通过使用模拟退火算法快速搜索每一个配体片段的最优空间构象，提高了计算效率。本发明提供一种计算速度快、预测精确性高的基于配体生长策略的蛋白质‑ATP对接方法。
📄 2019107468354
📂 G16B15_30
👤 浙江工业大学
📅 2019-08-14
柿子坊 · 知识产权运营
柿子坊知识产权运营平台