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！

龙图腾网获悉上海交通大学申请的专利基于深度学习模型和蛋白质结构信息的酶周转数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：CN120015107B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202311512721.6，技术领域涉及：G16B15/20；该发明授权基于深度学习模型和蛋白质结构信息的酶周转数预测方法是由鲁洪中;王彤设计研发完成，并于2023-11-14向国家知识产权局提交的专利申请。

本基于深度学习模型和蛋白质结构信息的酶周转数预测方法在说明书摘要公布了：一种基于深度学习模型和蛋白质结构信息的酶周转数预测方法，通过在离线阶段构建具有独特性的酶序列‑酶结构‑底物组合和酶周转数映射的数据集，用于对酶周转数预测模型进行训练，在在线阶段通过训练后的酶周转数预测模型实时预测待处理蛋白质结构的酶周转数。本发明通过将蛋白质结构信息加入酶周转数预测训练，利用深度学习方法挖掘二者之间的潜在关系，可以有效增强模型泛化效果，也解决以往预测模型准确度不高和受限于序列相似度的问题。

本发明授权基于深度学习模型和蛋白质结构信息的酶周转数预测方法在权利要求书中公布了：1.一种基于深度学习模型和蛋白质结构信息的酶周转数预测方法，其特征在于，通过在离线阶段构建具有独特性的酶序列-酶结构-底物组合和酶周转数映射的数据集，用于对酶周转数预测模型进行训练，在在线阶段通过训练后的酶周转数预测模型实时预测待处理蛋白质结构的酶周转数； 所述的酶序列-酶结构-底物组合和酶周转数映射的数据集，通过以下方式构建得到： 步骤1、从Brenda数据库和SABIO-RK数据库中获取酶催化反应数据，包括：酶的ECnumber、物种来源、序列，底物分子的名称、底物分子SMILES和酶催化反应的周转数值； 步骤2、将数据集中底物分子相同，且序列相似度高于90%的酶进行去重，仅保留酶序列长度最长的酶-底物对，构建酶序列-底物组合和酶周转数映射的数据集； 步骤3、使用快速蛋白结构预测软件：ColabFold，获取基于步骤2中酶序列数据预测的蛋白质结构，构建未进行数据特征转化的酶序列-酶结构-底物组合和酶周转数映射的数据集； 步骤4、将蛋白质序列数据、蛋白质结构数据和底物分子SMILES数据转化为模型输入的初始特征； 所述的酶周转数预测模型包括：Transformer模型和加入多头注意力机制的图卷积神经网络，其中：先通过加入多头注意力机制的图卷积神经网络处理底物分子初始特征，具体为：初始特征由：和注意力机制进行进一步的特征提取，其中：为激活函数，为邻接矩阵，是度矩阵，是节点特征，是图卷积神经网络模型参数；再通过Transformer模型处理酶序列初始特征，具体为：被用于获取酶序列的注意力权重特征矩阵，其中：是激活函数，,,是任务表征向量，是维度数；最后使用图卷积神经网络处理酶结构初始特征，初始特征由：进行进一步的特征提取，其中：为激活函数，为邻接矩阵，是度矩阵，是节点特征，是图卷积神经网络模型参数。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。