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！

龙图腾网获悉重庆理工大学申请的专利基于标签指导的蛋白质作用关系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：CN115206423B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202210828104.6，技术领域涉及：G16B20/00；该发明授权基于标签指导的蛋白质作用关系预测方法是由朱小飞;王新生设计研发完成，并于2022-07-13向国家知识产权局提交的专利申请。

本基于标签指导的蛋白质作用关系预测方法在说明书摘要公布了：本发明具体涉及基于标签指导的蛋白质作用关系预测方法，包括：获取待预测的一对待测蛋白质；将一对待测蛋白质输入经训练的预测模型中，输出对应的预测关系；首先基于待测蛋白质进行图数据增强得到多尺度的图表示；其次将多尺度的图表示输入图神经网络得到多尺度的蛋白质特征表示，并引入对比学习来消除不同尺度蛋白质特征表示的差异；然后构造自学习的标签关系图并学习标签之间的关系，得到标签特征表示；最后通过标签特征表示修正蛋白质特征表示并指导蛋白质作用关系的预测；将一对待测蛋白质的预测关系作为其蛋白质作用关系预测结果。本发明能够提高蛋白质特征表示的泛化能力和预测模型的分类准确性，从而能够提高蛋白质作用关系的预测效果。

本发明授权基于标签指导的蛋白质作用关系预测方法在权利要求书中公布了：1.基于标签指导的蛋白质作用关系预测方法，其特征在于，包括以下步骤： S1：获取待预测的一对待测蛋白质； S2：将一对待测蛋白质输入经训练的预测模型中，输出对应的预测关系； 所述预测模型首先基于待测蛋白质进行图数据增强得到多尺度的图表示；其次将多尺度的图表示输入图神经网络得到多尺度的蛋白质特征表示，并引入对比学习来消除不同尺度蛋白质特征表示的差异；然后构造自学习的标签关系图并学习标签之间的关系，得到标签特征表示；最后通过标签特征表示修正蛋白质特征表示并指导蛋白质作用关系的预测，进而输出对应的预测关系； 预测模型包括用于提取蛋白质的局部特征和全局特征的蛋白质特征编码器模块，用于进行数据增强、图神经网络处理和对比学习的多尺度图神经网络模块，用于学习标签之间关系的自学习标签关系图模块，以及用于进行自监督学习任务和监督学习任务的多标签损失计算模块； 通过如下步骤训练预测模型： S201：获取用于训练的一对蛋白质并输入预测模型中； S202：通过蛋白质特征编码器模块提取蛋白质的局部特征和全局特征，得到具有局部信息和全局信息的蛋白质特征表示； S203：基于蛋白质特征表示构建蛋白质作用关系的原始图；通过多尺度图神经网络模块对原始图进行扰动得到对应的扰动图；然后将原始图和扰动图输入图神经网络中，输出原始节点特征表示和扰动节点特征表示，即多尺度的蛋白质特征表示；再通过对比学习的方式融合原始节点特征表示和扰动节点特征表示得到融合节点特征表示；最后通过融合节点特征表示计算得到融合边特征表示； S204：通过自学习标签关系图模块获取标签名称嵌入表示，并构建标签关系图；然后将标签关系图输入图卷积神经网络中，输出标签节点特征表示； S205：通过标签节点特征表示修正融合边特征表示，得到蛋白质关系图连边特征表示； S206：多标签损失计算模块通过原始节点特征表示和扰动节点特征表示进行自监督学习，得到自监督学习损失函数；然后通过蛋白质关系图连边特征表示进行监督学习，得到监督学习损失函数；最后基于自监督学习损失函数和监督学习损失函数计算得到训练损失函数，进而通过训练损失函数优化和更新预测模型的参数； S207：重复执行步骤S201至S206，直至预测模型收敛； S3：将一对待测蛋白质的预测关系作为其蛋白质作用关系预测结果，进而基于蛋白质作用关系预测结果分析待测蛋白质所属主体在正常和疾病状态下的细胞生物学过程。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区李家沱红光大道69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”。

以上内容由龙图腾AI智能生成。