公开(公告)号：CN109637580B

公开(公告)日：2023-06-13

申请号：CN201811484434.8

申请日：2018-12-06

Applicant: 上海交通大学

Inventor： 沈红斌 ,  徐佳燕 ,  冯世豪 ,  杨静

IPC: G16B15/20

Abstract: 一种蛋白质氨基酸关联矩阵预测方法，包括：S1、组建蛋白质氨基酸关联图预测训练数据集；S2、在训练集中从蛋白质氨基酸序列中提取6种特征，并将每一个序列的6种特征合并，同时生成标签文件和权重掩模矩阵；S3、在改进的残差网络的基础上使用合并的特征、标签文件和权重掩模矩阵进行训练；S4、根据测试序列搜索同源序列列表，并得到这些同源序列的合并特征、标签文件、和权重掩模矩阵；S5、在步骤S3中得到的模型的基础上，使用步骤S4中得到的同源序列的合并特征、标签文件和权重掩模矩阵进行进一步训练；S6、根据测试氨基酸序列得到测试序列的合并特征，然后输入步骤S5中得到的预测模型进行预测。

公开(公告)号：CN109637580A

公开(公告)日：2019-04-16

申请号：CN201811484434.8

申请日：2018-12-06

Applicant: 上海交通大学

Inventor： 沈红斌 ,  徐佳燕 ,  冯世豪 ,  杨静

IPC: G16B15/20

Abstract: 一种蛋白质氨基酸关联矩阵预测方法，包括：S1、组建蛋白质氨基酸关联图预测训练数据集；S2、在训练集中从蛋白质氨基酸序列中提取6种特征，并将每一个序列的6种特征合并，同时生成标签文件和权重掩模矩阵；S3、在改进的残差网络的基础上使用合并的特征、标签文件和权重掩模矩阵进行训练；S4、根据测试序列搜索同源序列列表，并得到这些同源序列的合并特征、标签文件、和权重掩模矩阵；S5、在步骤S3中得到的模型的基础上，使用步骤S4中得到的同源序列的合并特征、标签文件和权重掩模矩阵进行进一步训练；S6、根据测试氨基酸序列得到测试序列的合并特征，然后输入步骤S5中得到的预测模型进行预测。