買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜湘潭大學(xué)申請的專利基于生成對抗網(wǎng)絡(luò)數(shù)據(jù)生成的蛋白質(zhì)突變穩(wěn)定性預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119360959B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411957506.1，技術(shù)領(lǐng)域涉及：G16B20/50；該發(fā)明授權(quán)基于生成對抗網(wǎng)絡(luò)數(shù)據(jù)生成的蛋白質(zhì)突變穩(wěn)定性預(yù)測方法是由張園;鄧竣升;胡凱;高協(xié)平設(shè)計(jì)研發(fā)完成，并于2024-12-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于生成對抗網(wǎng)絡(luò)數(shù)據(jù)生成的蛋白質(zhì)突變穩(wěn)定性預(yù)測方法在說明書摘要公布了：本發(fā)明公開了一種基于生成對抗網(wǎng)絡(luò)數(shù)據(jù)生成的蛋白質(zhì)突變穩(wěn)定性預(yù)測方法，屬于生物信息技術(shù)領(lǐng)域，包括以下步驟：構(gòu)建蛋白質(zhì)突變數(shù)據(jù)集；對Megascale數(shù)據(jù)集以及蛋白質(zhì)突變數(shù)據(jù)集提取蛋白質(zhì)特征；對生成對抗網(wǎng)絡(luò)進(jìn)行五折交叉驗(yàn)證，并保存生成器G；通過生成器G生成突變樣本；構(gòu)建下游任務(wù)網(wǎng)絡(luò)模型；通過自適應(yīng)梯度法優(yōu)化下游任務(wù)網(wǎng)絡(luò)模型參數(shù)；通過驗(yàn)證集計(jì)算評價(jià)指標(biāo)驗(yàn)證模型性能；通過下游任務(wù)網(wǎng)絡(luò)模型實(shí)現(xiàn)預(yù)測。本發(fā)明應(yīng)用生成對抗網(wǎng)絡(luò)生成蛋白質(zhì)突變樣本，有效解決了蛋白質(zhì)穩(wěn)定性研究中的數(shù)據(jù)稀缺問題；生成對抗機(jī)制結(jié)合循環(huán)一致性損失，確保了生成數(shù)據(jù)的高質(zhì)量，并成功擴(kuò)充了數(shù)據(jù)集，提升了模型對不同突變類型的適應(yīng)能力。

本發(fā)明授權(quán)基于生成對抗網(wǎng)絡(luò)數(shù)據(jù)生成的蛋白質(zhì)突變穩(wěn)定性預(yù)測方法在權(quán)利要求書中公布了：1.一種基于生成對抗網(wǎng)絡(luò)數(shù)據(jù)生成的蛋白質(zhì)突變穩(wěn)定性預(yù)測方法，其特征在于，包括以下步驟：S1：手動構(gòu)建蛋白質(zhì)突變數(shù)據(jù)集；S2：分別對Megascale數(shù)據(jù)集以及步驟S1構(gòu)建的蛋白質(zhì)突變數(shù)據(jù)集提取蛋白質(zhì)特征，得到Megascale特征數(shù)據(jù)集和蛋白質(zhì)突變特征數(shù)據(jù)集，并將蛋白質(zhì)突變特征數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測試集；所述步驟S2中，對于Megascale數(shù)據(jù)集中的樣本，選擇突變氨基酸及其周圍的16個(gè)氨基酸，提取所有氨基酸的結(jié)構(gòu)和序列信息后，將突變氨基酸作為節(jié)點(diǎn)，周圍的16個(gè)氨基酸之間的相互作用作為邊，分別構(gòu)建突變前后樣本的完全圖，從而得到Megascale特征數(shù)據(jù)集；S3：使用步驟S2獲取的Megascale特征數(shù)據(jù)集對生成對抗網(wǎng)絡(luò)進(jìn)行五折交叉驗(yàn)證，并保存訓(xùn)練完成后的生成器G；所述步驟S3中的生成對抗網(wǎng)絡(luò)包含了兩個(gè)生成器G、F和兩個(gè)判別器DX、DY，均通過自適應(yīng)特征傳播機(jī)制提取信息；首先使用Megascale數(shù)據(jù)集訓(xùn)練判別器DX和DY，使DX和DY能夠判別是否為真實(shí)樣本，然后再訓(xùn)練生成器G和F，使得生成器G將突變前的特征樣本根據(jù)標(biāo)簽信息轉(zhuǎn)換為突變后的特征樣本，并生成突變所導(dǎo)致的穩(wěn)定性變化值，從而欺騙判別器DY，生成器F將突變后的特征樣本根據(jù)標(biāo)簽信息轉(zhuǎn)換為突變前的特征樣本，從而欺騙判別器DX；S4：通過生成器G生成突變樣本，并將生成的突變樣本與步驟S2中的訓(xùn)練集和驗(yàn)證集結(jié)合，得到新的訓(xùn)練集和驗(yàn)證集；S5：構(gòu)建下游任務(wù)網(wǎng)絡(luò)模型，并使用步驟S4得到的新的訓(xùn)練集對下游任務(wù)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；S6：利用均方誤差損失函數(shù)得到下游任務(wù)網(wǎng)絡(luò)模型整體損失值，并通過自適應(yīng)梯度法來優(yōu)化下游任務(wù)網(wǎng)絡(luò)模型參數(shù)；S7：將步驟S4得到的新的驗(yàn)證集輸入到已訓(xùn)練完成的下游任務(wù)網(wǎng)絡(luò)模型中，使用皮爾遜相關(guān)系數(shù)PCC和均方根誤差RMSE計(jì)算得到驗(yàn)證集的預(yù)測性能；S8：將步驟S2中的測試集輸入到下游任務(wù)網(wǎng)絡(luò)模型，實(shí)現(xiàn)對蛋白質(zhì)突變穩(wěn)定性的預(yù)測。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人湘潭大學(xué)，其通訊地址為：411105 湖南省湘潭市西郊；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。