买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湘潭大学申请的专利基于图全景注意力增强的金属结合位点突变效应预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119889441B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510368369.6，技术领域涉及：G16B25/10；该发明授权基于图全景注意力增强的金属结合位点突变效应预测方法是由张园;吴佳峰;胡凯;高协平设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本基于图全景注意力增强的金属结合位点突变效应预测方法在说明书摘要公布了：本发明涉及生物信息技术领域，具体公开了一种基于图全景注意力增强的金属结合位点突变效应预测方法，包括步骤：S1：从数据库中获取金属结合位点的疾病相关突变数据；S2：将数据划分为训练、验证和测试样本集；S3：对样本集进行数据预处理操作；S4：使用预处理后训练和验证样本集对神经网络框架进行训练、验证，并保存训练好的神经网络框架；S5：将预处理后测试样本集输入到训练好的神经网络框架中，得到金属结合位点突变效应预测结果。本发明通过深度挖掘蛋白质语言模型隐含的特征语义信息，驱动构建图全景注意力网络，并显著增强该网络对金属蛋白结构的感知能力，最终实现结构和序列表征的有效融合，提高金属结合位点突变效应预测精度。

本发明授权基于图全景注意力增强的金属结合位点突变效应预测方法在权利要求书中公布了：1.一种基于图全景注意力增强的金属结合位点突变效应预测方法，其特征在于，包括以下步骤： S1：从数据库中获取金属结合位点的疾病相关突变数据； S2：将获取到的金属结合位点上的疾病相关突变数据集划分为训练样本集、验证样本集和测试样本集； S3：对步骤S2中划分好的样本集进行数据预处理操作；数据预处理操作包括构建金属配位网络图、编码生物特征信息、获取蛋白质语言模型的深层语义嵌入； S4：使用步骤S3中获取到的预处理后的训练样本集和验证样本集对神经网络框架进行训练、验证，并保存训练完成后的神经网络框架； S5：将步骤S3中获取到的预处理后的测试样本集输入到步骤S4中已训练完成的神经网络框架中，得到金属结合位点突变效应预测结果； 步骤S3中在构建金属配位网络图时，对步骤S2中划分好的样本集按照金属离子、配体及配体邻居的构图方式，构建金属结合位点网络的氨基酸图，并按照距离为3的阈值构建原子图； 步骤S3中在编码生物特征信息时，编码包括残基深度、二级结构、相对溶剂可及表面积、配位键、氢键在内的生物特征信息； 步骤S3中在获取蛋白质语言模型的深层语义嵌入时，获取长序列上关于ESM2蛋白质语言模型esm2_t33_650M_UR50D第33层的嵌入并映射到metalpdb结构上对应的氨基酸，得到ESM2语义嵌入； 步骤S4中的神经网络框架为基于蛋白质语言模型嵌入增强图全景注意力学习框架具体为： 在框架的原子视图注意力聚合模块部分，输入预处理好的原子图和氨基酸图，从原子和氨基酸两个视角对金属结合位点周围邻域进行结构特征提取，并通过原子簇的自注意力机制集成原子和氨基酸的特征嵌入； 在框架的图全景注意力感知增强模块部分，网络编织节点到节点、节点到边、边到边、边到节点四个注意力驱动模块以构建全景的消息传递路径，同时，各驱动模块注入来自蛋白质语言模型的深层语义信息以增强图结构的学习、结构信息的迭代反馈给ESM编码模块以持续优化序列信息的表征； 在框架的自蒸馏知识部分，将突变位点被掩码的图结构特征以及突变位点氨基酸被替换为“X”之后的氨基酸序列所获取到的ESM2嵌入，输入到正常梯度回传的原子视图注意力聚合模块和图全景注意力感知增强模块；且构建一个目标特征生成器，目标特征生成器的输入是图结构特征和正常序列所获取到的ESM2嵌入；目标特征生成器通过指数移动平均进行参数更新； 在框架的突变效应预测部分，将编码部分获取到的序列和结构融合后的特征表示，经过D，21的线性层，获取突变前后氨基酸类型的预测概率，计算其极大似然值，最后经过线性层和sigmoid函数，即获得突变致病性的概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湘潭大学，其通讯地址为：411105 湖南省湘潭市西郊；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。