【技术实现步骤摘要】
本专利技术涉及生物的深度学习技术，尤其是涉及一种基于残差神经网络和空间金字塔池化层的蛋白质相互作用预测方法、装置及介质。
技术介绍
1、蛋白质是生命活动的主要承担者，是组成人体一切细胞、组织的重要成分，在生物体中，蛋白质发挥着信号转导、催化代谢反应、维持细胞结构、赋予细胞运动能力等重要作用，几乎每一个生命环节都有蛋白质的参与和贡献，因此，蛋白质组学已成为基因组学的重要组成部分和研究热点。蛋白质是一种动态分子，它们的功能几乎总是依赖于跟其他分子的相互作用，因此，蛋白质之间的相互作用是目前的研究热点，准确高效地识别蛋白质相互作用不仅有助于我们理解生命活动的规律，而且可以帮助研究人员确定潜在的药物分子，具有重要的研究意义。
2、高通量的实验方法可以进行蛋白质的相互作用研究，但是这些实验方法通常成本高、耗时长、通量低，而且产生的蛋白质相互作用的数据都包含较多的噪声，具有较高的假阳率和假阴率。为此，发展新的高效且有效的预测方法成为计算生物学家迫切关注的研究问题。
3、在数字经济不断推进的大背景下，人工智能发展迅速，并与多种...
【技术保护点】
1.一种基于残差神经网络和空间金字塔池化层的蛋白质相互作用预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于残差神经网络和空间金字塔池化层的蛋白质相互作用预测方法，其特征在于，在所述步骤1)中，构造一个用于训练深度学习模型的非冗余数据集，步骤如下：
3.根据权利要求1所述的一种基于残差神经网络和空间金字塔池化层的蛋白质相互作用预测方法，其特征在于，在所述步骤2)中，提取蛋白质的三维结构信息和物理化学特性来表征蛋白质的相互作用特征，步骤如下：
4.根据权利要求1所述的一种基于残差神经网络和空间金字塔池化层的蛋白质相...
【技术特征摘要】
1.一种基于残差神经网络和空间金字塔池化层的蛋白质相互作用预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于残差神经网络和空间金字塔池化层的蛋白质相互作用预测方法，其特征在于，在所述步骤1)中，构造一个用于训练深度学习模型的非冗余数据集，步骤如下：
3.根据权利要求1所述的一种基于残差神经网络和空间金字塔池化层的蛋白质相互作用预测方法，其特征在于，在所述步骤2)中，提取蛋白质的三维结构信息和物理化学特性来表征蛋白质的相互作用特征，步骤如下：
4.根据权利要求1所述的一种基于残差神经网络和空间金字塔池化层的蛋白质相互作用预测方法，其特征在于，在所述步骤3)中，深度学习模型包括依次连接的残差卷积神经网络层、空间金字塔池化层和全连接层。
5.根据权利要求4所述的一种基于残差神经网络和空间金字塔池化层的蛋白质相互作用预测方法，其特征在于，在所述步骤3)中，深度学习模型使用残差卷积神经网络resnet对提取的特征矩阵进行特征降维和学习训练，其中，共计三层resnet层，每层resnet包括一个包含1×1卷积核的残差块和一个恒等映射的残差块；在1×1卷积核的残差块中，包含两个3×3的卷积核、两个instance normalization的归一化操作和两个elu函数；在恒等映射的残差块中，包含两个加入了补零操作的3×3的卷积核、两个instance normalization的归一化操作和两个elu函数；在三层resnet层中，卷积核的数量分别设置为16，32和64，卷积核尺寸均设置为3×3，使用elu作为激活函数。
6.根据权利要求5...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。