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！

龙图腾网获悉大连工业大学申请的专利一种基于XGBoost的降血压二肽活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：CN115938489B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211622388.X，技术领域涉及：G16B40/00；该发明授权一种基于XGBoost的降血压二肽活性预测方法是由杜明;谢蓄芬;赵思宇;程述震设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本一种基于XGBoost的降血压二肽活性预测方法在说明书摘要公布了：本发明公开了一种基于XGBoost的降血压二肽活性预测方法，属于食品科学领域及生物学技术领域。所述方法包括：首先收集公布的降血压二肽序列及其活性IC50值，构建数据集；其次引入肽段的序列、理化、氨基酸原子组成特征，对二肽序列进行特征表达；第三对肽段的特征进行主成分表达，并进行主成分选择；第四结合主成分和XGBoost回归模型构建预测模型并对模型进行精度评估；然后应用现有二肽数据集全部数据训练模型，实现模型构建；最后应用预测模型对未知的降血压二肽序列进行活性预测。本发明的预测方法可以降低肽活性预测的复杂度，同时有效提高了预测精度，降低了筛选成本，可广泛应用于二肽序列的降血压活性及其它活性预测。

本发明授权一种基于XGBoost的降血压二肽活性预测方法在权利要求书中公布了：1.一种降血压二肽活性预测方法，其特征在于，所述降血压二肽活性预测方法包括： 步骤一：基于二肽肽段的序列特征、物理化学特征和原子构成特征，提取输入特征； 步骤二：对所述输入特征进行主成分分析，得到主成分特征； 步骤三：通过训练N个所述主成分特征输入XGBoost回归模型，预测降血压活性表征IC50值； 所述步骤一提取得到51维输入特征，所述51维输入特征包括：2维氨基酸序列特征、1维肽段序列特征、20维氨基酸组合特征、12维物理化学特征和16维原子构成特征，特征提取过程包括： S11：对氨基酸编码为1-20，基于公式1将2肽序列转换为2维数字特征： 公式1 其中，为长度为肽链序列，代表氨基酸残基； S12：对肽段氨基酸序列进行21进制数字编码，肽段转化为一个1维数字特征； S13：对肽段氨基酸序列提取氨基酸组合特征，将蛋白质序列用一个20维度的向量表示，肽段转化为20维数字特征，如公式2所示： 公式2 其中，表示第个氨基酸在蛋白质序列中出现的概率，，T表示转置操作； S14：引入氨基酸基本物理化学属性对序列进行数字表征，包括亲水性、疏水性、分子量、PK1值、PK2值、PI值，将二肽肽段转化为12维数字特征，如公式3所示： 公式3 其中，代表疏水性，代表亲水性，代表侧链基团分子质量，代表羟基端氢离子的解离常数，代表氨基端氢离子的解离常数，代表等电点，代表N端的氨基酸残基，代表C端的氨基酸残基； S15：引入氨基酸的原子构成特征对序列进行数字表征，包括C、H、N、O、S原子的数量，键的数量，单键的数量，双键的数量，将二肽肽段转化为16维数字特征，如公式4所示： 公式4 式中，代表原子类型，分别代表键的数量、单键数量和双键数量； S16：合并S11、S12、S13、S14、S15，将二肽肽段转化为51维数字特征； 所述XGBoost回归模型的训练过程包括： S21：对于所述51维特征输入特征进行主成分分析，形成主成分表达矩阵； S22：基于所述主成分表达矩阵，计算主成分与XGBoost回归模型的拟合优度，得到优选主成分特征； S23：组合所述优选主成分特征和XGBoost回归模型，构建融入特征选择的XGBoost降血压二肽活性预测模型； S24：基于所述优选主成分特征和对应的IC50值构建数据集，应用500次留出法划分训练集和测试集，以训练集训练所述降血压二肽活性预测模型，以测试集评价模型精度； S25：存储精度最高的降血压二肽活性预测模型及模型参数。

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大连工业大学，其通讯地址为：116034 辽宁省大连市甘井子区轻工苑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。