[发明专利]一种蛋白质生成的方法及相关设备在审
| 申请号： | 202310645923.1 | 申请日： | 2023-06-01 |
| 公开（公告）号： | CN116543829A | 公开（公告）日： | 2023-08-04 |
| 发明（设计）人： | 黄楚天;熊袁鹏;刘子敬;幺宝刚 | 申请（专利权）人： | 粤港澳大湾区数字经济研究院（福田） |
| 主分类号： | G16B15/20 | 分类号： | G16B15/20;G16B40/00;G16C20/50;G16C20/70;G06N3/04;G06N3/084 |
| 代理公司： | 深圳市君胜知识产权代理事务所(普通合伙) 44268 | 代理人： | 刘芙蓉 |
| 地址： | 518045 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 蛋白质 生成 方法 相关 设备 | ||
1.一种蛋白质生成的方法，其特征在于，所述方法包括步骤：
获取蛋白质的结构数据和/或序列数据；
利用所述蛋白质的结构数据和/或序列数据计算得到负归一化泊松经验场，通过训练神经网络学习所述负归一化泊松经验场，得到泊松流生成模型；
根据所述泊松流生成模型，生成新的蛋白质。
2.根据权利要求1所述的蛋白质生成的方法，其特征在于，所述蛋白质的结构数据由氨基酸的六个特征量表示，所述六个特征量包括三个二面扭转角φ、ψ、ω和三个键角θ1、θ2、θ3。
3.根据权利要求1所述的蛋白质生成的方法，其特征在于，所述蛋白质的序列数据由氨基酸的独热编码表示。
4.根据权利要求1所述的蛋白质生成的方法，其特征在于，所述利用所述蛋白质的结构数据和/或序列数据计算得到负归一化泊松经验场，通过训练神经网络学习所述负归一化泊松经验场，得到泊松流生成模型，具体包括：
将所述蛋白质的结构数据和/或序列数据扰动到增强空间中，得到扰动后的蛋白质的结构数据和/或序列数据；
利用所述扰动后的蛋白质的结构数据和/或序列数据计算得到负归一化泊松经验场；
通过训练神经网络学习所述负归一化泊松经验场，得到泊松流生成模型。
5.根据权利要求1或4所述的蛋白质生成的方法，其特征在于，采用带掩码的损失函数对所述神经网络进行训练。
6.根据权利要求1至4任意一项所述的蛋白质生成的方法，其特征在于，所述根据所述泊松流生成模型，生成新的蛋白质，具体包括：
获取所述蛋白质的结构数据和/或序列数据；
将所述蛋白质的结构数据和/或序列数据输入所述泊松流生成模型中，生成新的蛋白质。
7.根据权利要求1所述的蛋白质生成的方法，其特征在于，所述神经网络为全连接神经网络或自注意力神经网络。
8.一种蛋白质生成的装置，其特征在于，包括：
获取模块，所述获取模块用于获取蛋白质的结构数据和/或序列数据；
训练模块，所述训练模块用于利用所述蛋白质的结构数据和/或序列数据计算得到负归一化泊松经验场，通过训练神经网络学习所述负归一化泊松经验场，得到泊松流生成模型；
生成模块，所述生成模块用于根据所述泊松流生成模型，生成新的蛋白质。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于粤港澳大湾区数字经济研究院（福田），未经粤港澳大湾区数字经济研究院（福田）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202310645923.1/1.html，转载请声明来源钻瓜专利网。
