公开(公告)号：CN118228804A

公开(公告)日：2024-06-21

申请号：CN202410222743.7

申请日：2024-02-28

Applicant: 北京交通大学

Inventor： 景丽萍 ,  李毅 ,  王睿 ,  秦毅 ,  柳哲坤 ,  杨腾昆

IPC: G06N3/094 ,  G06N3/096

Abstract: 本发明提供一种黑盒可迁移对抗样本生成方法、装置、电子设备及介质，涉及计算机技术领域，该方法包括：获取原始样本对应的初始对抗样本和目标模型的参数对应的协方差矩阵；基于所述协方差矩阵和模型滤波方式，对所述初始对抗样本进行迭代，生成目标对抗样本；其中，所述模型滤波方式用于对所述目标模型的参数进行滤波。由于模型滤波方式用于对目标模型的参数进行滤波，考虑了模型的参数和对抗样本的迁移能力的关系，使得生成的目标对抗样本的迁移能力比较强，提升了对样样本的迁移能力。

公开(公告)号：CN118398078A

公开(公告)日：2024-07-26

申请号：CN202410421451.6

申请日：2024-04-09

Applicant: 北京交通大学 ,  广东省科学院生物与医学工程研究所 ,  中国医学科学院阜外医院

Inventor： 邢柯 ,  吴海洋 ,  王睿 ,  薛美艳 ,  王子洋 ,  霍晓宁 ,  杨腾昆

IPC: G16B30/10 ,  G16B40/20 ,  G06N3/084 ,  G06F18/214 ,  G06F18/23 ,  G06F18/2413

Abstract: 本发明提供一种基于自监督深度学习的酶底物特异性预测方法和系统，其中方法包括：获取蛋白质序列数据，利用序列相似性网络从蛋白质序列数据中获取酶底物特异性简化标签；基于蛋白质序列数据，以及酶底物特异性简化标签，训练基于BERT架构的序列特征提取模型；通过基于BERT架构的序列特征提取模型获得的蛋白质序列表示特征，训练酶底物特异性预测模型；并且通过酶底物特异性简化标签监督酶底物特异性预测模型的训练；通过训练好的基于BERT架构的序列特征提取模型和酶底物特异性预测模型进行未知酶底物特异性的预测。本发明提供的方法运用新的蛋白质表示方式，任何一条新发现的酶序列无须蛋白质序列比对，即可获得与之序列相似的已知酶序列。