| 专利号 | 2025116391003 | 申请日 | 2025-11-11 | 专利名称 | 一种基于多模态深度学习的蛋白质翻译后修饰预测方法 |
| 授权日 | 2026-01-30 | 专利权人 | 鲁东大学 | 发明人 | 张得印;周树森;王庆军;臧睦君;刘通;柳婵娟 |
| 主分类号 | G16B20/20 | 关键词 | 应用领域 | ||
| 摘要 | 本发明属于生物信息学领域，涉及一种基于多模态深度学习的蛋白质翻译后修饰预测方法。首先，通过输入蛋白质序列与三维结构数据进行多模态特征提取，得到序列特征向量与结构特征向量；其次，采用交叉模态注意力机制与自适应门控网络进行特征融合；然后，将融合特征与疾病类型信息结合，通过疾病特异性编码网络对预测概率进行微调；接着，使用多任务学习框架并行预测多种蛋白质翻译后修饰类型的位点概率；最后，通过梯度反传技术计算特征重要性，结合变异影响分析输出综合报告。本发明实现了高精度、可解释且具备疾病感知能力的蛋白质翻译后修饰预测，为揭示疾病分子机制及精准药物靶点发现提供了重要的计算分析工具。 | ||||
| 创新点 | |||||
| 技术分类 | 标 签 | 战兴产业 | 生物产业 生物医学工程产业 | ||
| 运营方式 | 合作方式 | ||||
| 联系人 | 联系电话 | 电子邮箱 | |||
| 详细说明 | |||||
