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！

龙图腾网获悉上海交通大学申请的专利用于蛋白质序列生成的离散图概率去噪扩散模型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：CN116994642B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310995978.5，技术领域涉及：G16B5/20；该发明授权用于蛋白质序列生成的离散图概率去噪扩散模型是由周冰心;郑力荣;吴邦昊;洪亮设计研发完成，并于2023-08-09向国家知识产权局提交的专利申请。

本用于蛋白质序列生成的离散图概率去噪扩散模型在说明书摘要公布了：本发明公开了用于蛋白质序列生成的离散图概率去噪扩散模型，给定的蛋白质骨架指导相应氨基酸残基类型的扩散过程。该模型推断出氨基酸的联合分布，条件是节点的生物物理特性和局部环境。此外，本发明利用氨基酸替换矩阵进行扩散前向过程，编码氨基酸的生物学意义先验知识，包括它们的空间和序列邻居以及自身，从而减少了生成过程的采样空间。本发明的模型在序列恢复方面取得了业界领先的性能，并在生成确定蛋白质骨架结构的多样性蛋白质序列方面表现出巨大潜力。

本发明授权用于蛋白质序列生成的离散图概率去噪扩散模型在权利要求书中公布了：1.用于蛋白质序列生成的离散图概率去噪扩散模型，其特征在于，给定的蛋白质骨架指导相应氨基酸残基类型，具体包括： 1基于深度神经网络训练的离散概率逆扩散过程； 2基于蛋白质先验知识指导的条件逆扩散分布生成； 3等变图神经网络，用于逆扩散的参数化去噪过程； 4基于去噪扩散隐式模型对去噪过程进行采样与加速； 所述模型利用给定的图G＝{X,E}，其中节点特征为X，边特征为E作为条件；其中，节点特征X＝[Xpos，Xaa，Xprop]包含氨基酸的位置Xpos、氨基酸类型Xaa以及空间和生物化学属性Xprop； 步骤1具体包括扩散过程、训练去噪网络和参数化生成过程； 步骤1中，扩散过程的具体方法如下：独立地向蛋白质的每个氨基酸节点添加噪声，对于任何给定节点，转移概率由矩阵Qt定义，通过预定义的转移矩阵，定义正向扩散核为： 其中是时间步长为t时的转移概率矩阵； 步骤1中，训练去噪网络的具体方法为：构建去噪神经网络fθ，由参数θ参数化；该网络接受噪声输入其中Xt是包含噪声氨基酸类型和其他氨基酸属性的拼接，包括20个独热编码的氨基酸类型和15个关于蛋白质骨架的几何属性；去噪模型的训练目标是预测无噪的氨基酸类型Xaa，从而在保持其内在结构约束的同时，对蛋白质结构潜在对应的多种序列组合进行建模； 步骤1中，参数化生成过程的具体方法为：新的氨基酸序列通过对t时刻每个节点的氨基酸类型xaa进行反向扩散迭代生成；对应生成的概率分布pθxt-1|xt由神经网络对预测概率进行估计得到；利用深度神经网络预测概率边缘化，以计算每个迭代步骤的生成分布： 其中 其中后验分布qxt-1|xt，xaa由转移矩阵、时间t的节点特征xt和氨基酸类型xaa计算得出，其中xaa由去噪网络预测出的概率采样得到； 步骤2具体包括马尔科夫转移矩阵和二级结构采样两部分，其中，所述马尔科夫转移矩阵的具体方法为：先将块替换矩阵纳入扩散和生成过程中，归一化为概率，使用softmax函数；然后使用不同的概率温度对归一化的块替换矩阵B进行调整，以控制扩散过程中的噪声规模；时间t的转移矩阵Qt由Qt＝BT给出；所述二级结构采样的方法为：使用DSSP来预测每个氨基酸的二级结构，并使用one-hot编码来表示这些结构；神经网络将one-hot编码作为输入，并利用其对氨基酸进行去噪，从而在去噪采样过程中加入蛋白质二级结构作为指导条件； 步骤3的具体方法如下： 对于一个有n个氨基酸的蛋白质图，在第l层，一个等变图卷积得到节点表达表示氨基酸类型和几何特性的隐性向量表示，以及边表达表示连接的节点i和j上的隐层特征，以及节点三维坐标修改后的EGC层可以用于更新第l+1层节点的隐层表示Hl+1和边的隐层表示Ml+1；即Hl+1，Ml+1＝EGC[Hl，Xpos，Ml]； 步骤4的具体方法为： 其中温度T用于调控估计概率分布的确定性或随机性程度；多步去噪后的后验分布为：

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上海交通大学，其通讯地址为：200240 上海市闵行区江川路街道800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。