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！

龙图腾网获悉湖北工业大学申请的专利一种基于Transformer网络改进的分子-蛋白质反应预测分类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：CN116469470B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310313192.0，技术领域涉及：G16B40/00；该发明授权一种基于Transformer网络改进的分子-蛋白质反应预测分类方法是由甘海涛;温佳慧;周然;杨智;方小悦设计研发完成，并于2023-03-24向国家知识产权局提交的专利申请。

本一种基于Transformer网络改进的分子-蛋白质反应预测分类方法在说明书摘要公布了：本发明公开一种基于Transformer网络改进的分子‑蛋白质反应预测分类方法：1分别对分子和蛋白质进行特征编码，将序列数据转化为机器可识别的特征向量数据集，其中分子使用邻接矩阵表示；2将数据集划分为训练集、验证集、测试集；3将训练集输入到改进后的Transformer网络进行训练，并采用双向注意力机制对数据的特征向量进行学习。4将经过Transformer网络训练后的分子特征向量和蛋白质特征向量拼接，输入到全连接层，得到分类结果。本发明提出的Transformer网络改进的分子‑蛋白质反应预测分类方法，能有效的提升分子‑蛋白质反应预测分类准确率。

本发明授权一种基于Transformer网络改进的分子-蛋白质反应预测分类方法在权利要求书中公布了：1.一种基于Transformer网络改进的分子‑蛋白质反应预测分类方法，其特征在于，步骤如下： 步骤1：对导入的数据集进行数据预处理，分别对数据集中的分子和蛋白质序列进行特征表示；所述蛋白质序列拆分为重叠的n‑gram氨基酸序列，利用Bert模型的双向编码器从文本中学习嵌入向量，以得到一维蛋白质向量；预处理后的数据集包括分子节点特征，邻接矩阵，一维蛋白质向量，以及存在于原始数据样本中的标签； 步骤1中，对数据中的分子序列进行特征表示，生成二维分子图，基于二维分子图，生成该图对应的邻接矩阵；对分子图每个节点进行指定半径r的局部广度优先搜索，得到由该节点相邻节点和边组成的子图；基于这些子图的信息，更新每个节点的特征表示，包括原子类型、电荷、多重性和质量，从而获取该数据样本的初始分子节点特征； 对于蛋白质序列，基于当时的n‑gram语言模型，将蛋白质序列中的单词定义为n‑gram氨基酸，将对于给定的蛋白质序列S=s1s2s3…sk,将其拆分为如下序列： 其中k为蛋白质序列的长度； 对于拆分后的序列，采用Bert模型的双向编码器表示从上述k‑2个蛋白质单词组成的文本中学习嵌入向量，将表示为，对应的蛋白质序列表示为： 最终一个数据样本经过预处理后得到分子节点特征，邻接矩阵，一维蛋白质向量C，以及存在于原始数据样本中的标签y； 然后对剩余的数据样本重复上述过程，得到预处理后的数据集： 其中m为原始数据集中数据个数； 步骤2：对所述预处理后的数据集进行数据划分为训练集、验证集和测试集； 步骤3：将训练集输入到Transformer网络进行训练，并采用注意力机制分别对分子数据和蛋白质数据的特征向量进行学习； 步骤4：对Transformer网络训练后的分子反应向量和蛋白质反应向量进行加权计算，然后拼接，输入到全连接层，将得到的训练结果进行反向传播，迭代多次后得到训练后的模型； 步骤5：利用模型对测试样本进行测试，得到测试结果。

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北工业大学，其通讯地址为：430068 湖北省武汉市洪山区南李路28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。