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！

龙图腾网获悉鲁东大学申请的专利一种基于多模态深度学习的蛋白质翻译后修饰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：CN121096427B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511639100.3，技术领域涉及：G16B20/20；该发明授权一种基于多模态深度学习的蛋白质翻译后修饰预测方法是由张得印;周树森;王庆军;臧睦君;刘通;柳婵娟设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本一种基于多模态深度学习的蛋白质翻译后修饰预测方法在说明书摘要公布了：本发明属于生物信息学领域，涉及一种基于多模态深度学习的蛋白质翻译后修饰预测方法。首先，通过输入蛋白质序列与三维结构数据进行多模态特征提取，得到序列特征向量与结构特征向量；其次，采用交叉模态注意力机制与自适应门控网络进行特征融合；然后，将融合特征与疾病类型信息结合，通过疾病特异性编码网络对预测概率进行微调；接着，使用多任务学习框架并行预测多种蛋白质翻译后修饰类型的位点概率；最后，通过梯度反传技术计算特征重要性，结合变异影响分析输出综合报告。本发明实现了高精度、可解释且具备疾病感知能力的蛋白质翻译后修饰预测，为揭示疾病分子机制及精准药物靶点发现提供了重要的计算分析工具。

本发明授权一种基于多模态深度学习的蛋白质翻译后修饰预测方法在权利要求书中公布了：1.一种基于多模态深度学习的蛋白质翻译后修饰预测方法，其特征在于，包括以下步骤： 步骤1、多模态特征提取：输入为蛋白质的氨基酸序列数据及其对应的三维结构数据；通过并行的序列特征提取分支与结构特征提取分支，分别从序列中提取蕴含局部模式与长程依赖关系的深层特征，以及从结构数据中提取包括残基置信度、空间构象、溶剂可及性及结构不确定性的多维特征；输出为统一表征的序列特征向量与结构特征向量； 步骤2、自适应特征融合：以步骤1输出的序列特征向量与结构特征向量为输入；采用交叉模态注意力机制建立序列位置与结构位置间的动态关联映射，继而通过一个质量感知的自适应门控网络，根据结构数据的置信度水平动态计算并分配各模态的融合权重；输出为一个深度融合的、能够反映数据质量的特征表示； 步骤3、疾病条件化预测：将步骤2得到的融合特征与特定的疾病类型信息相结合；通过一个疾病特异性编码网络，将疾病类别映射为调整因子，并以此对基础预测概率进行微调；输出为经过疾病上下文调制的预测结果； 步骤4、多任务PTM预测：PTM全称为Post-TranslationalModification；基于步骤3输出的条件化特征表示作为输入；采用多任务学习框架，通过多个并行的、权值独立的预测头部，同步对8种常见PTM类型进行位点概率预测； 步骤5、结果输出与解释：对步骤4产生的预测概率进行可解释性深度分析；通过梯度反传技术计算输入特征的重要性得分，并结合详细的变异影响分析模块，量化遗传变异对PTM潜能的扰动效应；最终输出一份综合性的预测报告。

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鲁东大学，其通讯地址为：264025 山东省烟台市芝罘区红旗中路186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。