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！

龙图腾网恭喜广东省农业科学院动物卫生研究所;兽用生物制品(泰州)国泰技术创新中心申请的专利一种基于深度学习的通用表位多肽筛选方法和系统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：CN120089201B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202510567189.0，技术领域涉及：G16B30/00；该发明授权一种基于深度学习的通用表位多肽筛选方法和系统是由蔡海明;武奇;朱易斌;张雪花;陈祥杰;梅梅;宋勇乐;卢宇;张小慧;林栩慧;吕敏娜;李娟;戚南山;廖申权;孙铭飞;张健騑设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本一种基于深度学习的通用表位多肽筛选方法和系统在说明书摘要公布了：本发明属于信息技术领域，公开了一种基于深度学习的通用表位多肽筛选方法，包括如下步骤：步骤1：获取至少一种表位多肽的数据集；步骤2：对数据集中表位多肽序列进行特征提取，得到多肽序列特征向量；步骤3：将数据集中多条表位多肽的多肽序列特征向量作为训练集对预设的模型进行训练；步骤4：采用步骤3训练好的模型预测多肽的表位，得到表位的评分结果。该方法采用混合神经网络结构，能够有效捕获多肽序列中的局部和全局特征。本发明的方法不仅可以实现一种类型的多肽的表位筛选，还能够实现多种多肽的表位筛选，是一种通用表位多肽筛选方法。同时，本发明还提供了基于该方法的系统。

本发明授权一种基于深度学习的通用表位多肽筛选方法和系统在权利要求书中公布了：1.一种基于深度学习的通用表位多肽筛选方法，其特征在于，包括如下步骤： 步骤1：获取至少一种表位多肽的数据集； 步骤2：对数据集中表位多肽序列进行特征提取，得到多肽序列特征向量； 步骤3：将数据集中多条表位多肽的多肽序列特征向量作为训练集对预设的模型进行训练；所述模型为深度学习预测模块，所述模型具有双向长短期记忆网络层、多头自注意力层、卷积神经网络层、多标签分类层； 所述双向长短期记忆网络层用于捕捉多肽序列内的特征的长程依赖关系； 所述多头自注意力层用于捕捉多肽序列内的特征的注意力权重以确定不同特征之间的关联性； 所述卷积神经网络层用于具有生物学意义的提取高层特征； 所述多标签分类层用于整合双向长短期记忆网络层、多头自注意力层、卷积神经网络层所获得的结果并输出表位预测结果； 步骤4：采用步骤3训练好的模型预测多肽的表位，得到表位的评分结果； 所述步骤4中，还包括评估多肽的保守性和相似性； 所述多肽的保守性是指步骤4预测得到的表位在不同毒株中的保守性； 所述多肽的相似性是指步骤4预测得到的表位和宿主蛋白的相似度； 所述步骤4中对通过模型预设得到的表位的预测概率、保守性、相似性赋予不同的权重，得到表位预测的评分结果； 所述保守性的计算方法为加权熵保守性度量： ； 其中，是位置处氨基酸的出现频率，是位置的重要性权重，是理化性质相似度调整因子； 所述相似性的计算方法为多级别相似性分析： ； 其中，是序列级相似性，是结构级相似性，是功能级相似性，，，分别是各层次相似性的权重； 所述步骤2具体为：对所述数据集中表位多肽序列进行数字化编码和特征向量嵌入，得到多肽序列特征向量；所述特征向量为多肽序列的序列信息、理化性质信息； 所述理化性质信息包括氨基酸组成、二元组频率、氨基酸理化特性、BLOSUM替换矩阵特征、PSIPRED预测二级结构、计算相对表面积暴露度、KyteDoolittle疏水性指数、灵活性指数、使用PSI-BLAST生成的位置特异性评分矩阵、基于Pfam数据库的功能域信息、BepiPred抗原性指数和Shannon熵计算的保守性分析。

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广东省农业科学院动物卫生研究所;兽用生物制品(泰州)国泰技术创新中心，其通讯地址为：510640 广东省广州市天河区五山白石岗街动物卫生研究所；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”。