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！

龙图腾网获悉杭州师范大学申请的专利基于深度学习挖掘蛋白质相互作用类型的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：CN115588463B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202211320402.0，技术领域涉及：G16B15/30；该发明授权基于深度学习挖掘蛋白质相互作用类型的预测方法是由黄剑平;方杨越设计研发完成，并于2022-10-26向国家知识产权局提交的专利申请。

本基于深度学习挖掘蛋白质相互作用类型的预测方法在说明书摘要公布了：本发明涉及基于深度学习挖掘蛋白质相互作用类型的预测方法。本发明通过构建蛋白质相互作用类型预测模型SE3NET‑PPI，仅需要蛋白质序列信息即可完成端到端的训练，将蛋白质3D结构信息转化成SE3不变矩阵图并使用卷积神经网络CNN和金字塔池化技术SPP对结构特征进行提取；根据所述蛋白质相互作用数据库中的蛋白质对构建蛋白质相互作用网络，然后将蛋白质序列经过预训练模型嵌入层得到蛋白质节点特征以及前述的蛋白质相互作用网络输入到同构图神经网络GIN提取蛋白质网络的拓扑信息结构。将上述特征经特征融合后输入到MLP中，输出蛋白质对对应的作用类别的预测结果；融合了蛋白质的序列信息、结构信息以及PPI网络的拓扑信息来预测蛋白质相互作用类型，提高了预测准确率。

本发明授权基于深度学习挖掘蛋白质相互作用类型的预测方法在权利要求书中公布了：1.基于深度学习预测蛋白质相互作用类型的方法，其特征在于：具体包括如下步骤： 步骤一、构建数据集，具体为： 首先，获取现有公开数据库中蛋白质序列信息以及对应的蛋白质结构信息，筛选出蛋白质序列长度为2700以下的蛋白质构成蛋白质序列结构数据库； 然后，根据蛋白质序列结构数据库中蛋白质编号在Uniport网站中匹配蛋白质相互作用数据库STRING的STRINGID，根据STRINGID在STRING数据库收集对应的蛋白质相互作用对以及该相互作用对的对应的作用类型，构建蛋白质相互作用数据库； 最后，从蛋白质相互作用数据库中随机选择3000个、9000个以及使用该数据库全部蛋白质生成3个数据量不一的数据集String_3000、String_9000和String_all； 步骤二、构建蛋白质相互作用网络，并划分测试集和训练集： 根据步骤一数据集String_3000、String_9000和String_all中所有蛋白质相互作用对构建蛋白质相互作用网络；使用随机游走Random、深度优先算法DFS以及广度优先算法BFS将数据集String_3000、String_9000和String_all演变为九个数据集，分别为String_3000-BFS、String_3000-DFS、String_3000-Random、String_9000-BFS、String_9000-DFS、String_9000-Random、String_all-BFS、String_all-DFS以及String_all-Random；并将所有数据集中数据划分为训练集和测试集； 步骤三、构建蛋白质相互作用类型预测模型SE3NET-PPI，并对模型进行训练； 蛋白质相互作用类型预测模型SE3NET-PPI包括结构模块、蛋白质网络模块和预测模块； 结构模块采用孪生架构，即由两个结构相同，且权重共享的神经网络拼接而成； 在结构模块中，将蛋白质信息结构数据库中的蛋白质结构信息转化为SE（3）不变矩阵图，然后将SE（3）不变矩阵图输入到卷积神经网络CNN中并得到卷积后的特征向量；将卷积后的特征向量经金字塔池化层SPP进行平均池化操作，得到池化后的特征向量；最后，将所有经过池化操作后的特征向拼接在一起得到蛋白质结构特征向量，并使用多层感知机MLP将蛋白质结构特征向量转化为特定长度的特征向量； 基于孪生架构，输入一对蛋白质结构信息文件，经过上述步骤后，得到一对蛋白质结构特征向量； 在蛋白质网络模块中，使用ProtT5蛋白质预训练模型将蛋白质序列信息转化为对应的蛋白质序列特征向量；通过蛋白质序列特征向量得到蛋白质相互作用网络的蛋白质节点特征，将蛋白质相互作用网络的蛋白质节点特征和蛋白质相互作用网络的相互作用关系特征输入同构图神经网络GIN层；蛋白质相互作用网络的相互作用关系特征通过蛋白质相互作用网络获得； 在预测模块中，采用特征融合将结构模块输出的一对蛋白质结构特征和蛋白质网络模块输出的蛋白质对特征拼接起来得到特征融合向量，将特征融合向量输入到MLP中，输出是一个1*7维的0，1矩阵，表示蛋白质对其对应的作用类别的预测； 使用训练集中数据对SE3NET-PPI模型进行训练，得到蛋白质相互作用类型预测模型SE3NET-PPI，对未知相互作用关系类型进行预测。

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杭州师范大学，其通讯地址为：311121 浙江省杭州市余杭区余杭塘路2318号；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”。