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！

龙图腾网获悉西安电子科技大学申请的专利基于多任务学习的蛋白质无序柔性连接体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：CN116864010B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202310751702.2，技术领域涉及：G16B40/00；该发明授权基于多任务学习的蛋白质无序柔性连接体预测方法是由鱼亮;李浩铮设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本基于多任务学习的蛋白质无序柔性连接体预测方法在说明书摘要公布了：本发明公开了一种基于多任务学习的蛋白质无序柔性连接体预测方法，包括如下步骤：获取多任务数据集；对蛋白质无序柔性连接体预测数据集进行划分；对蛋白质无序区预测训练数据集、无序柔性连接体预测的训练数据集和测试数据集进行长度统一；构建蛋白质特征表示矩阵；构建蛋白质无序柔性连接体预测网络模型；对蛋白质无序柔性连接体预测网络模型进行迭代训练；获取蛋白质无序柔性连接体预测结果。本发明在构建蛋白质无序柔性连接体预测网络时，使用无序区数据增加信息量，使用多任务学习降低了训练过程信息损失，提高了网络模型中信息的丰度，有效提高了识别蛋白质无序柔性连接体的准确率。

本发明授权基于多任务学习的蛋白质无序柔性连接体预测方法在权利要求书中公布了：1.一种基于多任务学习的蛋白质无序柔性连接体预测方法，其特征在于，包括如下步骤： 1获取多任务数据集： 将获取的M个无序区蛋白质氨基酸序列XIDRs及其对应的无序区标签YIDRs组成蛋白质无序区预测训练数据集同时将获取的N个无序柔性连接体蛋白质氨基酸序列XDFLs及其对应的无序柔性连接体标签YDFLs组成蛋白质无序柔性连接体预测数据集DDFLs＝{XDFLs,YDFLs}，其中M≥1000，N≥200； 2对蛋白质无序柔性连接体预测数据集进行划分： 基于序列相似度对蛋白质无序柔性连接体预测数据集DDFLs进行划分，得到包含Ntrain条蛋白质的无序柔性连接体预测训练数据集和包含Ntest条蛋白质的测试数据集其中，N＝Ntrain+Ntest，Ntrain＞Ntest； 3对蛋白质无序区预测训练数据集、无序柔性连接体预测的训练数据集和测试数据集中的蛋白质进行长度统一： 对蛋白质无序区预测训练数据集无序柔性连接体预测的训练数据集和测试数据集中的蛋白质进行长度统一，得到蛋白质长度为G的无序区预测训练数据集无序柔性连接体预测的训练数据集和测试数据集 4构建蛋白质特征表示矩阵： 构建对应的维度分别为M×G×D、Ntrain×G×D、Ntest×G×D的无序区训练数据集蛋白质特征表示矩阵无序柔性连接体训练数据集蛋白质特征表示矩阵无序柔性连接体测试数据集蛋白质特征表示矩阵其中D＞30； 5构建蛋白质无序柔性连接体预测网络模型： 构建包括共享层及与其输出端连接且并行排布的无序区塔层和无序柔性连接体塔层的蛋白质无序柔性连接体预测网络模型O，其中，共享层包括依此层叠的嵌入层和TransformerEncoder层；无序区塔层和无序柔性连接体塔层均包括依此层叠的全连接网络和Sigmod分类器； 6对蛋白质无序柔性连接体预测网络模型进行迭代训练： 6a初始化迭代次数为t，最大迭代次数为T，当前预测网络模型中共享层、无序区塔层、无序柔性连接体塔层的可训练参数分别为w1、w2、w3，并令t＝0； 6b将无序区训练数据集蛋白质特征表示矩阵无序柔性连接体训练数据集蛋白质特征表示矩阵作为预测网络模型O的输入进行前向传播，得到无序区训练集的无序区预测结果无序柔性连接体训练集的无序柔性连接体预测结果 6c通过无序区损失值LIDRs、无序柔性连接体损失值LDFLs对当前预测网络模型中共享层、无序区塔层、无序柔性连接体塔层的可训练参数w1、w2、w3进行更新，得到本次迭代的预测网络模型Ot； 6d判断t＝T是否成立，若是，得到训练好的预测网络模型O*，否则，令t＝t+1，O＝O*，并执行步骤6b； 7获取蛋白质无序柔性连接体预测结果： 将无序柔性连接体测试数据集蛋白质特征表示矩阵作为训练好的预测网络模型O*的输入进行前向传播，得到无序柔性连接体测试数据集中蛋白质序列的无序柔性连接体预测

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。