Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国海洋大学张树刚获国家专利权

中国海洋大学张树刚获国家专利权

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!

龙图腾网获悉中国海洋大学申请的专利一种选择性状态空间建模的高效蛋白质稳定性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:CN120496640B

龙图腾网通过国家知识产权局官网在2025-10-21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:202510983209.2,技术领域涉及:G16B40/00;该发明授权一种选择性状态空间建模的高效蛋白质稳定性预测方法是由张树刚;陈睿;魏志强设计研发完成,并于2025-07-17向国家知识产权局提交的专利申请。

一种选择性状态空间建模的高效蛋白质稳定性预测方法在说明书摘要公布了:本发明涉及蛋白质预测技术领域,公开了一种选择性状态空间建模的高效蛋白质稳定性预测方法。本发明采用了BiMamba和CoGNN两个核心模块,通过选择性状态空间建模和协同图神经网络相结合的方式,突破了现有方法在计算效率和多尺度信息处理上的限制。本发明提出了基于k跳子图的局部采样策略,通过聚焦突变位点周围的关键环境实现高效计算;采用双向选择性状态空间模型以线性复杂度建模长程依赖关系,有效克服传统Transformer架构的计算瓶颈。本发明开发的门控融合模块能够自适应整合长短程特征,使模型能够针对不同类型的突变灵活调整特征组合策略,提升了蛋白质ΔΔG预测的准确性和效率。

本发明授权一种选择性状态空间建模的高效蛋白质稳定性预测方法在权利要求书中公布了:1.一种选择性状态空间建模的高效蛋白质稳定性预测方法,其特征在于,包括以下步骤: 一、基于k跳局部子图采样策略的子图构建 通过以突变位点为中心的k跳局部子图采样策略构建子图; 二、基于双向选择性状态空间建模的长程依赖捕获 设计一种双向选择性状态空间模型BiMamba,通过线性计算复杂度建模长程依赖关系,BiMamba通过其选择性门控机制高效捕获全局上下文; 三、基于协同图神经网络的局部结构特征提取 采用协同图神经网络CoGNN增强蛋白质局部结构特征提取,CoGNN通过动态消息传递机制有效建模局部残基相互作用,为BiMamba的长程建模能力提供细粒度的局部互补,同时保持轻量级参数; 四、多尺度特征融合 引入门控融合模块,自适应地整合来自BiMamba的长程依赖信息和来自CoGNN的局部结构特征,在不同尺度上实现蛋白质稳定性变化的综合建模; 门控融合模块首先通过通道注意力机制分别对BiMamba和CoGNN的输出特征进行重加权,然后通过可学习的门控机制自适应融合两种特征,最后,通过特征增强网络和残差连接获得最终输出;将多尺度特征融合更新的表示作为BiMamba和CoGNN输入再次进行多次特征提取,通过堆叠多层提取用于稳定性预测的野生型和突变型最终蛋白质表示; 五、稳定性预测 从多尺度特征融合模块获得的最终蛋白质表示通过双流网络架构分别处理野生型和突变型蛋白质并执行差分计算: ; ; ; 其中和分别表示野生型和突变型蛋白质的特征表示,和分别代表从PDB蛋白质数据库结构文件构建的野生型和突变型残基接触图,表示混合消息传递模块,包括基于双向Mamba的序列特征提取和基于CoGNN的结构特征提取,代表野生型和突变型特征的最终的差异表示,通过MLP从差异表示中预测稳定性变化; 最后通过多层感知机预测稳定性变化: ; 其中是蛋白质稳定性变化值,单位为kcalmol,正值表示突变降低稳定性,负值表示突变增强稳定性; 整个模型包括BiMamba模块、CoGNN模块、多尺度特征融合模块以及双流网络框架,以端到端方式训练,通过最小化平均绝对误差损失: 其中表示训练样本的数量,表示第个样本的预测值,表示第个样本的真实标签,是分类器,包含三个全连接线性层。

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中国海洋大学,其通讯地址为:266000 山东省青岛市崂山区松岭路238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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。