[发明专利]基于单独注意力机制的预测化合物蛋白质亲和力方法、计算机设备、存储介质在审
| 申请号： | 202011513485.6 | 申请日： | 2020-12-18 |
| 公开（公告）号： | CN112542211A | 公开（公告）日： | 2021-03-23 |
| 发明（设计）人： | 王淑栋;刘嘉丽;宋弢;钟悦 | 申请（专利权）人： | 中国石油大学（华东） |
| 主分类号： | G16B5/00 | 分类号： | G16B5/00;G16B40/00;G16C20/30;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于单独注意力机制的预测化合物蛋白质亲和力方法。所述方法包括双向门控循环单元(BiGRU)模型和卷积神经网络(CNN)模型，整个网络架构为BiGRU/BiGRU‑CNN，其中BiGRU/BiGRU模型中加入了单独注意力机制(Separate_Attention)。所述的双向门控循环单元模型包括两个门控循环单元(GRU)组成的序列处理模型，一个输入是向前输入，另一个输入是反向输入，是一个只有输入门和忘记门双向递归神经网络。模型的输入为化合物序列与蛋白质序列，二者输入到BiGRU/BiGRU模型里。其中化合物序列表示为加入化合物分子理化性质的SMILES字符串称为SMILES#，蛋白质序列表示由蛋白质的结构属性编码而成。BiGRU/BiGRU输出为经过单独的注意力模型表示的化合物特征向量和蛋白质特征向量。所述的CNN模型由卷积层、池化层、全连接层组成，该模型的输入为化合物特征向量、蛋白质特征向量；该BiGRU/BiGRU‑CNN模型的最终输出为预测化合物蛋白质亲和力值的根均方误差值。 | ||
| 搜索关键词： | 基于 单独 注意力 机制 预测 化合物 蛋白质 亲和力 方法 计算机 设备 存储 介质 | ||
【主权项】：
暂无信息
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中国石油大学（华东），未经中国石油大学（华东）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/202011513485.6/，转载请声明来源钻瓜专利网。
