公开(公告)号：CN113851192B

公开(公告)日：2023-06-30

申请号：CN202111079819.8

申请日：2021-09-15

申请人： 安庆师范大学 ,  苏州大学

发明人： 张步忠 ,  权丽君 ,  黄忠 ,  郑美丽

IPC分类号： G16B40/00 ,  G16B30/00 ,  G16B30/10 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明提供了氨基酸一维属性预测模型训练方法、装置及属性预测方法，所述方法包括：构建预测模型，所述预测模型包括：特征提取层、若干个串联的感知块组成的感知层以及前向网络层，且特征提取层以及感知层均基于卷积层搭建的；获取蛋白质氨基酸一维属性预测训练集，并使用所述训练集训练预测模型直至收敛，得到目标预测模型。

公开(公告)号：CN113851192A

公开(公告)日：2021-12-28

申请号：CN202111079819.8

申请日：2021-09-15

申请人： 安庆师范大学 ,  苏州大学

发明人： 张步忠 ,  权丽君 ,  黄忠 ,  郑美丽

IPC分类号： G16B40/00 ,  G16B30/00 ,  G16B30/10 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了氨基酸一维属性预测模型训练方法、装置及属性预测方法，所述方法包括：构建预测模型，所述预测模型包括：特征提取层、若干个串联的感知块组成的感知层以及前向网络层，且特征提取层以及感知层均基于卷积层搭建的；获取蛋白质氨基酸一维属性预测训练集，并使用所述训练集训练预测模型直至收敛，得到目标预测模型。

公开(公告)号：CN116312754B

公开(公告)日：2023-10-03

申请号：CN202310253172.9

申请日：2023-03-16

申请人： 安庆师范大学

发明人： 张步忠 ,  江健生 ,  陈义仁

IPC分类号： G16B15/20 ,  G16B40/00 ,  G16B50/00 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及人工智能技术领域，公开了一种基于混合深度学习模型的蛋白质结构预测方法，包括如下步骤：步骤一、获取氨基酸序列信息；步骤二、获取序列表示向量，并且获取残基标签；步骤三、将序列表示向量以及残基标签输入训练好的混合深度学习模型中进行计算；步骤四、获取序列特征结构信息。本发明提出的深度学习预测方法，混合使用卷积神经网络、双向递归神经网络和多头注意力网络，能更好地感知蛋白序列局部特性和序列长范围特性，可同时预测多种蛋白结构特征。本装置计算资源需求低，可部署在边缘计算设备上。

公开(公告)号：CN116312754A

公开(公告)日：2023-06-23

申请号：CN202310253172.9

申请日：2023-03-16

申请人： 安庆师范大学

发明人： 张步忠 ,  江健生 ,  陈义仁

IPC分类号： G16B15/20 ,  G16B40/00 ,  G16B50/00 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及人工智能技术领域，公开了一种基于混合深度学习模型的蛋白质结构预测方法，包括如下步骤：步骤一、获取氨基酸序列信息；步骤二、获取序列表示向量，并且获取残基标签；步骤三、将序列表示向量以及残基标签输入训练好的混合深度学习模型中进行计算；步骤四、获取序列特征结构信息。本发明提出的深度学习预测方法，混合使用卷积神经网络、双向递归神经网络和多头注意力网络，能更好地感知蛋白序列局部特性和序列长范围特性，可同时预测多种蛋白结构特征。本装置计算资源需求低，可部署在边缘计算设备上。