[发明专利]一种基于端到端模型的蛋白质序列特征信息学习方法

权利要求书

1.一种基于端到端模型的蛋白质序列特征信息学习方法，其特征在于：包括AttBiLSTMG模型，AttBiLSTMG为端到端模型，AttBiLSTMG模型采用双向LSTM，通过对较长蛋白质序列正向和反向学习得到较为全面的特征信息，AttBiLSTMG使用注意力机制得到与药物分子作用关系较强的氨基酸特征信息，为准确学习到药物分子与靶点蛋白特征的相互作用关系提供有用的特征信息，忽略无用的氨基酸特征信息。

2.根据权利要求1所述的一种基于端到端模型的蛋白质序列特征信息学习方法，其特征在于：GIN模型是新提出的图网络方法，可以在图神经网络之间实现最大判别能力，GIN使用多层感知器(Multi-Layer Perceptron，MLP)更新节点特征：

其中ε是可学习参数，x是节点特征向量，B(i)是与节点i相邻的节点集合。

3.根据权利要求1所述的一种基于端到端模型的蛋白质序列特征信息学习方法，其特征在于：所述LSTM为长短期记忆模型。

4.根据权利要求2所述的一种基于端到端模型的蛋白质序列特征信息学习方法，其特征在于：注意力机制借鉴了人类的注意力思维方式，视觉注意力机制是人类视觉所特有的大脑信号处理机制，人类视觉通过快速扫描全局图像，获得需要重点关注的目标区域，也就是所说的注意力焦点，然后对这一区域投入更多的注意力资源，以获取更多所需要关注目标的细节信息，从而抑制其它无用信息，人类视觉注意力机制极大地提高了视觉信息处理的效率与准确性，在预测DTI时，蛋白质文本序列中每个字符代表一个氨基酸，由于每个蛋白质由多个氨基酸组成，因此通过可以注意力机制赋予每个氨基酸不同的权重，若某个氨基酸与药物分子中的某个原子具有重要作用，则赋予其较大的权重，否则赋予其较小的权重。