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！

龙图腾网获悉安徽大学申请的专利基于深度学习方法预测蛋白质Aβ42的动态结构变化方法及系统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：CN119418755B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202410880048.X，技术领域涉及：G16B15/20；该发明授权基于深度学习方法预测蛋白质Aβ42的动态结构变化方法及系统是由王斌斌;刘欣悦;李志鹏设计研发完成，并于2024-07-02向国家知识产权局提交的专利申请。

本基于深度学习方法预测蛋白质Aβ42的动态结构变化方法及系统在说明书摘要公布了：本发明提供一种基于深度学习方法预测蛋白质Aβ42的动态结构变化方法集系统，包括以下步骤：从分子动力学轨迹中提取每一帧的PDB；计算每个PDB的2DIR；按照功能特性区域拆分PDB；计算每个PDB的α‑碳距离矩阵distancemap；根据训练好的深度学习模型预测每个区域的α‑碳距离矩阵distancemap；构建蛋白质三维结构；片段合并及与三维结构比较：将优化后的三段PDB对齐，并合并成一个完整的PDB蛋白质三维结构；最后，求出预测得到的PDB与真实PDB的RMSD误差。本发明采用了一种分而治之的策略，利用2DIR预测蛋白质结构中三段不同的区域，最后成功构建成三维结构。该方法为探索Aβ42结构和动态变化提供了一种新的方法，开辟了研究阿尔兹海默症新的视角，也为药物设计提供了重要信息。

本发明授权基于深度学习方法预测蛋白质Aβ42的动态结构变化方法及系统在权利要求书中公布了：1.基于深度学习方法预测蛋白质Aβ42的动态结构变化方法，其特征在于，包括以下步骤： 步骤1、从分子动力学轨迹中提取每一帧的PDB； 步骤2、计算每个PDB的2DIR； 步骤3、按照功能特性区域拆分PDB； 步骤4、计算每个PDB的α-碳距离矩阵distancemap； 步骤5、根据训练好的深度学习模型预测每个区域的α-碳距离矩阵distancemap；所述深度学习模型采用预训练好的SwinTransformer，所述SwinTransformer包括上采样与卷积层，每个上采样阶段之后使用卷积层进一步处理特征；在卷积层之后使用批归一化和Mish激活函数；在特征处理流程中引入自注意力层； 步骤6、构建蛋白质三维结构，包括以下步骤： 步骤6.1初始点的选择：算法开始时随机生成一组初始坐标作为优化过程的起点； 步骤6.2优化过程：通过迭代的方法，不断调整起点的位置，最小化目标函数；目标函数衡量为根据当前坐标计算出的α-碳距离矩阵与约束条件即预测的α-碳距离矩阵distancemap之间的偏差； 步骤6.3结果的解释：优化结束后，得到的坐标在满足给定距离约束的情况下，尽可能地接近真实的三维结构； 步骤7、片段合并及与三维结构比较：将优化后的三段PDB对齐，并合并成一个完整的PDB蛋白质三维结构；最后，求出预测得到的PDB与真实PDB的RMSD误差。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。

以上内容由龙图腾AI智能生成。