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！

龙图腾网获悉湖南大学申请的专利一种抗癌肽生成模型的构建方法及其训练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：CN116030908B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202310149714.8，技术领域涉及：G16C20/50；该发明授权一种抗癌肽生成模型的构建方法及其训练方法是由宋勃升;赖乐珊;刘益萍;曾湘祥;容明强;史俊锋设计研发完成，并于2023-02-22向国家知识产权局提交的专利申请。

本一种抗癌肽生成模型的构建方法及其训练方法在说明书摘要公布了：本发明公开了一种抗癌肽生成模型的训练方法，包括：获取一般多肽序列数据、抗癌肽序列数据和非抗癌肽序列数据，并根据氨基酸词表对一般多肽序列数据、抗癌肽序列数据和非抗癌肽序列数据进行数字编码，以得到一般多肽序列数据集、抗癌肽序列数据集和非抗癌肽序列数据集，将一般多肽序列数据集、抗癌肽序列数据集和非抗癌肽序列数据集分别按照训练集和测试集8:2的比例进行划分，以得到一般多肽序列训练集和测试集、抗癌肽序列训练集和测试集和非抗癌肽序列训练集和测试集，将一般多肽序列训练集输入抗癌肽生成模型的生成模块中，并使用反向传播算法对生成模块中每层的权重参数和偏置参数进行更新和优化，以得到预训练好的生成模块。

本发明授权一种抗癌肽生成模型的构建方法及其训练方法在权利要求书中公布了：1.一种抗癌肽生成模型的构建方法，包括生成模块和预测模块两个部分；其中生成模块是序列生成对抗网络SeqGAN，且包括2个具有相同结构的生成器和1个判别器，其特征在于， 生成器的结构如下： 第1层为嵌入层，输入大小为20的多肽序列索引向量，输出一个20*32的嵌入矩阵； 第2层为基于门控循环单元GRU的循环神经网络RNN层，在每个时间步，输入为20*32维矩阵，输出1*32的隐藏单元向量，最后输出20个1*32的隐藏单元向量； 第3层为Softmax输出层，输入为1*32的每个时间步的输出的隐藏单元向量，通过线性映射和Softmax激活函数，输出1*20的向量，最后输出20*20的矩阵； 另一个生成器是推出策略需要的生成器，和第一个生成器具有同样的结构； 判别器的结构如下： 第1层为嵌入层，输入20*20的多肽序列独热编码，利用一个20*64的矩阵，输出一个20*64的嵌入矩阵； 第2层为卷积层，输入20*64的嵌入矩阵，其中有2种卷积核，大小分别为2和3，步长为1，数量分别为100个和200个，输出大小分别为19*100和18*200的特征矩阵； 第3层为线性整流函数RELU层，利用RELU非线性激活函数，输入和输出19*100和18*200的特征矩阵； 第4层为池化层，输入19*100和18*200的特征矩阵，利用最大池化选取每个特征向量中的最大值，然后将得到的1*100和1*200的矩阵拼接，输出1*300的多肽序列特征向量； 第5层为Highway层，输入和输出1*300的特征向量； 第6层为丢弃层，输入和输出1*300的特征向量； 第7层为Softmax输出层，输入1*300的特征向量，利用一个300*2的矩阵，通过线性映射和Softmax激活函数，得到1*2的向量，最后经过Argmax函数输出1个数值； 预测模块是基于图神经网络GNN的抗癌肽预测器，其具体结构为： 第1层为嵌入层，输入大小为N的分子指纹向量，输出N*50的嵌入矩阵，其中N是分子指纹的长度，即原子数量； 第2层为GNN层，输入N*50的嵌入矩阵和N*N的邻接矩阵，利用线性映射和ReLU激活函数、特征矩阵更新函数和对每个特征维度的均值求解，输出1*50的向量； 第3、4和5层均为和第2层相同的GNN层，输入和输出也与第2层相同； 第6层为ReLU激活层，将2-5层输出的向量进行连接，以得到1*200的向量，经过线性映射和ReLU激活函数，输出1*800向量； 第7层为全连接层，输入1*800的向量，输出1*2的向量。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。