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！

龙图腾网获悉江南大学申请的专利兼顾分子结构与序列挖掘的多视角酶功能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：CN116705146B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310445726.5，技术领域涉及：G16B15/00；该发明授权兼顾分子结构与序列挖掘的多视角酶功能预测方法是由邓赵红;于管青;吴敬;未志胜;王蕾;王士同设计研发完成，并于2023-04-24向国家知识产权局提交的专利申请。

本兼顾分子结构与序列挖掘的多视角酶功能预测方法在说明书摘要公布了：本发明属于智能细胞生物识别领域，具体涉及一种兼顾分子结构与序列挖掘的多视角酶功能预测方法。该方法包括：初始酶特征构建，深度酶序列特征构建，深度酶结构特征构建，基于TSK模糊系统的模型训练与预测4个阶段。本方法将酶的结构特征和序列特征视为两个不同的视角，通过构造一个全新的多视角深度网络来从不同模态抽取、交叉、鉴别信息，并能实现对多视角酶数据间互补性与一致性信息的挖掘，采用多视角TSK模糊系统模型训练多视角特征，从而实现最终的酶功能预测。本方法兼顾了酶的序列特征和结构特征，使得预测信息更加完备，通过TSK模糊系统，能够很好地在新的网络中重新学习酶的序列与结构特征。

本发明授权兼顾分子结构与序列挖掘的多视角酶功能预测方法在权利要求书中公布了：1.兼顾分子结构与序列挖掘的多视角酶功能预测方法，其步骤如下： 第一步：使用Biovec生物序列处理方法酶的氨基酸序列进行初始特征提取，将每个酶的氨基酸序列表示为向量，作为酶的初始序列特征Fs1； 第二步：从每种酶的PDB文件中按顺序提取氨基酸序列采用one-hot进行编码，再从氨基酸序列中提取碳原子的三维坐标x,y,z，将n*24维的矩阵作为酶的初始结构特征Ft1； 第三步：针对酶的初始序列特征Fs1采用SMOTE数据过采样处理，得到特征Fs2； 第四步：基于特征Fs2，采用BBCNet神经网络提取深度序列特征Fs3，该网络包含三个模块：BBA残差模块、Bio-CS注意力模块和全连接模块； 第五步：针对酶的初始结构特征Ft1采用Pointnet++点云网络提取深度结构特征Ft2，该步骤包含Samplinglayer、Groupinglayer、PointNetlayer和结构特征最终提取模块； 所述Samplinglayer中，采用FPS对点进行采样，在N个点中选择N′个点，相比于随机采样，这种方法能更好地覆盖整个点集；FPS具体算法如下：首先，在有N个点的点集S中随机选一个点x0；然后，利用距离公式选取距离点x0最远的点x1；再找去除x0和x1的剩余点集中距离点x1最远的点x2，以此类推直到找到N′个采样点； 所述Groupinglayer中，采用这一层使用Ballquery方法，在输入的N个点中，以Samplinglayer层提取的N′个采样点为质心，半径为R的球内找K个点，这K个点构成一个局部区域，最终生成N′个局部区域；该层的输出为包含N′个采样点的坐标和特征矩阵N′×K×d+C； 所述PointNetlayer中，在输入到网络之前，会把该区域中的点坐标变成围绕中心点的相对坐标，这样做能够更好地获取点与点之间的关系；接着，通过多层感知器MLP网络来对无序的点集进行编码； 第六步：使用TSK模糊系统进行5折交叉试验，分别训练深度序列特征Fs3和深度结构特征Ft2，学习每个视角的独立信息； 第七步：使用多视角TSK模糊系统进行5折交叉试验，重新训练深度序列特征Fs3和深度结构特征Ft2，通过之前学到的信息，利用信息熵调整不同视角之间的重要性，对样本进行分类测试。

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江南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。