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！

龙图腾网获悉苏州城市学院申请的专利一种蛋白质-蛋白质相互作用位点预测方法及装置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：CN119943144B 。

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：202510413894.5，技术领域涉及：G16B25/00；该发明授权一种蛋白质-蛋白质相互作用位点预测方法及装置是由杨洋;陈梦淇;薛亮设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本一种蛋白质-蛋白质相互作用位点预测方法及装置在说明书摘要公布了：本发明涉及蛋白质技术领域，公开了一种蛋白质‑蛋白质相互作用位点预测方法及装置，包括：将待预测蛋白质序列的生物特征矩阵经过多种不同的深度学习模型的输出特征矩阵横向拼接，得到集成特征矩阵；基于待预测蛋白质序列的语义特征矩阵获取注意力特征矩阵，与集成特征矩阵拼接后经过线性层，获取拼接矩阵；将拼接矩阵输入胶囊网络层，获取待预测蛋白质序列中每个位点处氨基酸残基的分类向量，经线性层，得到待预测蛋白质序列中每个氨基酸残基属于相互作用位点的概率。本发明通过多特征融合的方式充分利用不同模型对特征的捕捉能力，特征拼接更好地捕捉特征之间的潜在关联性，并结合胶囊网络，提升蛋白质‑蛋白质相互作用位点预测的准确性。

本发明授权一种蛋白质-蛋白质相互作用位点预测方法及装置在权利要求书中公布了：1.一种蛋白质-蛋白质相互作用位点预测方法，其特征在于，包括： 获取待预测蛋白质序列中每个位点处氨基酸残基的生物特征与语义特征，得到待预测蛋白质序列的生物特征矩阵与语义特征矩阵； 将生物特征矩阵分别输入多种不同的深度学习模型，包括：将生物特征矩阵输入Transformer，经过多头注意力机制、残差连接、归一化层、前馈网络、残差连接与归一化层，捕捉生物特征之间的长距离依赖关系，输出多头注意力特征矩阵；将生物特征矩阵输入卷积神经网络，经过多路不同卷积核大小的卷积单元后拼接，输出局部特征矩阵；将生物特征矩阵输入双向长短期记忆网络中，获取时间依赖特征矩阵； 将多头注意力特征矩阵、局部特征矩阵与时间依赖特征矩阵进行横向拼接，得到集成特征矩阵； 将语义特征矩阵输入双向长短期记忆网络，输出注意力特征矩阵；将集成特征矩阵与注意力特征矩阵横向拼接后经过线性层，获取待预测蛋白质序列的拼接矩阵； 将待预测蛋白质序列的拼接矩阵输入胶囊网络层，获取待预测蛋白质序列中每个位点处氨基酸残基的分类向量，包括： 将拼接矩阵分别输入多个主胶囊单元进行卷积运算，获取每个主胶囊单元输出的胶囊矩阵进行纵向堆叠，获取待预测蛋白质序列的胶囊张量； 将胶囊张量分别输入多个分类胶囊中；在每个分类胶囊中，为待预测蛋白质序列中每个氨基酸残基生成一个实数值，包括：获取待预测蛋白质序列的胶囊张量中的每个氨基酸残基对应的胶囊矩阵的初始权重系数；利用Softmax函数对初始权重系数进行归一化，获取每个胶囊矩阵的归一化权重系数；利用归一化权重系数对所有氨基酸残基对应的胶囊矩阵进行加权求和，获取加权胶囊张量；利用Squashing函数对加权胶囊张量进行激活，获取激活胶囊张量；经过多次迭代，更新权重系数，获取权重系数收敛时对应的目标胶囊张量；获取目标胶囊张量中每个氨基酸残基对应的胶囊矩阵中的目标胶囊向量；计算每个氨基酸残基的目标胶囊向量的模，作为每个氨基酸残基的实数值； 将每个分类胶囊为每个氨基酸残基所选择的实数值进行拼接，获取每个氨基酸残基的分类向量； 将待预测蛋白质序列中每个氨基酸残基的分类向量，送入线性输出层，得到待预测蛋白质序列中每个氨基酸残基属于相互作用位点的概率。

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苏州城市学院，其通讯地址为：215000 江苏省苏州市吴中区吴中大道1188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”。