[发明专利]一种基于深度学习的植物蛋白质互作网络构建方法在审
| 申请号： | 201910262202.6 | 申请日： | 2019-04-02 |
| 公开（公告）号： | CN110136773A | 公开（公告）日： | 2019-08-16 |
| 发明（设计）人： | 赵佳薇;张利达;雷雨;郑存俭;洪剑伟 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G16B5/00 | 分类号： | G16B5/00 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 杨宏泰 |
| 地址： | 200030 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的植物蛋白质互作网络构建方法，包括以下步骤：1)获取蛋白质互作对11个特征数据；2)筛选获得训练集及测试集；3)构建深度学习分类模型；4)对深度学习分类模型的参数进行批量优化，获得最佳优化参数组合的分类模型；5)根据最佳优化参数组合分类模型对全基因组所有可能两两互作蛋白对进行互作关系预测；6)根据互作关系预测结果构建蛋白质互作网络。与现有技术相比，本发明具有预测准确、建模效率高等优点。 | ||
| 搜索关键词： | 分类模型 植物蛋白质 网络构建 优化参数 构建 蛋白质 学习 全基因组 特征数据 预测结果 测试集 训练集 预测 建模 蛋白 筛选 优化 网络 | ||
【主权项】：
1.一种基于深度学习的植物蛋白质互作网络构建方法，其特征在于，包括以下步骤：1)获取蛋白质互作对11个特征数据；2)筛选获得训练集及测试集；3)构建深度学习分类模型；4)对深度学习分类模型的参数进行批量优化，获得最佳优化参数组合的分类模型；5)根据最佳优化参数组合分类模型对全基因组所有可能两两互作蛋白对进行互作关系预测；6)根据互作关系预测结果构建蛋白质互作网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910262202.6/，转载请声明来源钻瓜专利网。
