CN115565607A - 确定蛋白质信息的方法、装置、可读介质及电子设备 - Google Patents
确定蛋白质信息的方法、装置、可读介质及电子设备 Download PDFInfo
- Publication number
- CN115565607A CN115565607A CN202211289842.4A CN202211289842A CN115565607A CN 115565607 A CN115565607 A CN 115565607A CN 202211289842 A CN202211289842 A CN 202211289842A CN 115565607 A CN115565607 A CN 115565607A
- Authority
- CN
- China
- Prior art keywords
- protein
- sample
- current
- information
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 519
- 102000004169 proteins and genes Human genes 0.000 title claims abstract description 467
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000004853 protein function Effects 0.000 claims abstract description 11
- 230000006916 protein interaction Effects 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 210000000172 cytosol Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 210000003705 ribosome Anatomy 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
- G06N10/60—Quantum algorithms, e.g. based on quantum optimisation, quantum Fourier or Hadamard transforms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B35/00—ICT specially adapted for in silico combinatorial libraries of nucleic acids, proteins or peptides
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Genetics & Genomics (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Library & Information Science (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种确定蛋白质信息的方法、装置、可读介质及电子设备,包括:获取待确定蛋白质信息的目标蛋白质序列;将目标蛋白质序列输入目标蛋白质表示模型,以获取目标蛋白质表示模型输出的目标蛋白质表示;根据目标蛋白质表示,确定目标蛋白质序列的蛋白质信息,蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;其中,目标蛋白质表示模型通过多个样本集预先生成,样本集包括样本蛋白质序列和样本蛋白质序列对应的样本序列信息,样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,样本关系信息用于表征样本蛋白质序列与样本基因本体特征之间的关系。
Description
技术领域
本公开涉及计算机技术领域,具体地,涉及一种确定蛋白质信息的方法、装置、可读介质及电子设备。
背景技术
蛋白质是所有生命的基础物质,是机体细胞的最基本、最重要的组成部分,对蛋白质结构进行预测有助于了解蛋白质的作用,对生物学、医学以及药学非常重要。相关技术中,根据传统Transformer模型生成蛋白质预训练模型,对该蛋白质预训练模型进行微调,预测蛋白质结构,基于此,蛋白质预训练模型的准确率直接影响预测的蛋白质结构的准确率。因此,如何提高预训练模型的准确率成为亟待解决的问题。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种确定蛋白质信息的方法,所述方法包括:
获取待确定蛋白质信息的目标蛋白质序列;
将所述目标蛋白质序列输入目标蛋白质表示模型,以获取所述目标蛋白质表示模型输出的目标蛋白质表示;
根据所述目标蛋白质表示,确定所述目标蛋白质序列的蛋白质信息,所述蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;
其中,所述目标蛋白质表示模型通过多个样本集预先生成,所述样本集包括样本蛋白质序列和所述样本蛋白质序列对应的样本序列信息,所述样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,所述样本关系信息用于表征所述样本蛋白质序列与所述样本基因本体特征之间的关系。
第二方面,本公开提供一种确定蛋白质信息的装置,所述装置包括:
第一获取模块,用于获取待确定蛋白质信息的目标蛋白质序列;
第二获取模块,用于将所述目标蛋白质序列输入目标蛋白质表示模型,以获取所述目标蛋白质表示模型输出的目标蛋白质表示;
确定模块,用于根据所述目标蛋白质表示,确定所述目标蛋白质序列的蛋白质信息,所述蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;
其中,所述目标蛋白质表示模型通过多个样本集预先生成,所述样本集包括样本蛋白质序列和所述样本蛋白质序列对应的样本序列信息,所述样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,所述样本关系信息用于表征所述样本蛋白质序列与所述样本基因本体特征之间的关系。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现本公开第一方面所述方法的步骤。
第四方面,本公开提供一种电子设备,包括:
存储装置,其上存储有至少一个计算机程序;
至少一个处理装置,用于执行所述存储装置中的所述至少一个计算机程序,以实现本公开第一方面所述方法的步骤。
通过上述技术方案,获取待确定蛋白质信息的目标蛋白质序列;将所述目标蛋白质序列输入目标蛋白质表示模型,以获取所述目标蛋白质表示模型输出的目标蛋白质表示;根据所述目标蛋白质表示,确定所述目标蛋白质序列的蛋白质信息,所述蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;其中,所述目标蛋白质表示模型通过多个样本集预先生成,所述样本集包括样本蛋白质序列和所述样本蛋白质序列对应的样本序列信息,所述样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,所述样本关系信息用于表征所述样本蛋白质序列与所述样本基因本体特征之间的关系。也就是说,本公开用于训练目标蛋白质表示模型的训练集除了样本蛋白质序列和该样本蛋白质序列对应的样本蛋白质表示之外,还包括该样本蛋白质序列对应的样本基因本体特征和该样本蛋白质序列对应的样本关系信息,通过该样本基因本体特征和该样本关系信息能够提高该目标蛋白质表示模型的蛋白质表示能力,使得该目标蛋白质表示模型的准确率更高,这样,根据该目标蛋白质表示模型确定的目标蛋白质表示也更加准确,从而提高了根据该目标蛋白质表示确定的目标蛋白质信息的准确率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据本公开一示例性实施例示出的一种确定蛋白质信息的方法的流程图;
图2是根据本公开一示例性实施例示出的一种模型生成方法的流程图;
图3是根据本公开一示例性实施例示出的一种蛋白质表示模型示意图;
图4是根据本公开一示例性实施例示出的一种模型训练示意图;
图5是根据本公开一示例性实施例示出的一种确定蛋白质信息的装置的框图;
图6是根据本公开一示例性实施例示出的另一种确定蛋白质信息的装置的框图;
图7是根据本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面结合具体实施例对本公开进行说明。
图1是根据本公开一示例性实施例示出的一种确定蛋白质信息的方法的流程图,如图1所示,该方法可以包括:
S101、获取待确定蛋白质信息的目标蛋白质序列。
其中,该目标蛋白质序列可以是任意长度的蛋白质序列,本公开对此不作限定。
S102、将该目标蛋白质序列输入目标蛋白质表示模型,以获取该目标蛋白质表示模型输出的目标蛋白质表示。
其中,该目标蛋白质表示可以包括该目标蛋白质序列的序列长度和隐藏维度(hidden dim),示例地,该目标蛋白质表示可以是P∈RL×D,L为该序列长度,D为该隐藏维度。该目标蛋白质表示模型通过多个样本集预先生成,该样本集包括样本蛋白质序列和该样本蛋白质序列对应的样本序列信息,该样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,该样本关系信息用于表征该样本蛋白质序列与该样本基因本体特征之间的关系。
在本步骤中,可以将该目标蛋白质序列输入该目标蛋白质模型,通过该目标蛋白质模型对该目标蛋白质序列确定该目标蛋白质序列的序列长度和隐藏维度,得到该目标蛋白质序列对应的目标蛋白质表示。
S103、根据该目标蛋白质表示,确定该目标蛋白质序列的蛋白质信息。
其中,该蛋白质信息可以包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个。
在本步骤中,在得到该目标蛋白质序列对应的目标蛋白质表示后,可以通过预先生成的信息确定模型,确定该目标蛋白质序列的蛋白质信息。示例地,该信息确定模型可以是结构预测模型,将该目标蛋白质表示输入该结构预测模型后,可以得到该目标蛋白质序列的结构信息。
采用上述方法,用于训练目标蛋白质表示模型的训练集除了样本蛋白质序列和该样本蛋白质序列对应的样本蛋白质表示之外,还包括该样本蛋白质序列对应的样本基因本体特征和该样本蛋白质序列对应的样本关系信息,通过该样本基因本体特征和该样本关系信息能够提高该目标蛋白质表示模型的蛋白质表示能力,使得该目标蛋白质表示模型的准确率更高,这样,根据该目标蛋白质表示模型确定的目标蛋白质表示也更加准确,从而提高了根据该目标蛋白质表示确定的目标蛋白质信息的准确率。
图2是根据本公开一示例性实施例示出的一种模型生成方法的流程图,如图2所示,该方法可以包括:
S21、获取多个该样本集。
其中,该样本集可以是现有技术已公开的蛋白质知识图谱,例如,该样本集可以选自Gene Ontology(GO)数据库中的蛋白质,GO数据库中存储的是蛋白质三元组,该三元组包括蛋白质序列、该蛋白质序列对应的基因本体特征以及该蛋白质序列对应的关联关系,该基因本体特征和该关联关系均为文字描述。示例地,该三元组可以是("MNPRRKKRLLVIVAVLFGIGASIGLV...","part of","cytosolic large ribosomal subunit:The large subunit of a ribosome located in the cytosol."),其中,"MNPRRKKRLLVIVAVLFGIGASIGLV..."为该蛋白质序列,"part of"为该蛋白质序列对应的基因本体特征,"cytosolic large ribosomal subunit:The large subunit of a ribosomelocated in the cytosol."为该蛋白质序列对应的关联关系。
在本步骤中,可以从GO数据库获取多个蛋白质三元组,针对每个蛋白质三元组,将该蛋白质三元组中的蛋白质序列作为该样本蛋白质序列,将该蛋白质三元组中的基因本体特征和关联关系,作为该样本蛋白质序列对应的样本基因本体特征和样本关联关系,并确定该样本蛋白质序列的序列长度和隐藏维度,得到该样本蛋白质序列对应的样本蛋白质表示。
S22、从多个该样本集中确定当前样本集,将预设蛋白质表示模型作为当前蛋白质表示模型,并根据该当前样本集,循环执行模型训练步骤,直至确定训练后的当前蛋白质表示模型满足预设停止迭代条件,将训练后的当前蛋白质表示模型作为该目标蛋白质表示模型。
其中,该模型训练步骤包括:通过该当前蛋白质表示模型,确定该当前样本集对应的第一损失值;通过预先生成的关系确定模型,确定该当前样本集对应的第二损失值;根据该第一损失值和该第二损失值,确定目标损失值;在根据该目标损失值确定该当前蛋白质表示模型不满足该预设停止迭代条件的情况下,根据该目标损失值,更新该当前蛋白质表示模型的参数,得到训练后的当前蛋白质表示模型,并将训练后的当前蛋白质表示模型作为新的当前蛋白质表示模型,从多个该样本集中确定新的当前样本集。该关系确定模型可以是MLP(Multilayer Perceptron,多层感知机)模型。
在本步骤中,可以将多个样本集中的任一样本集作为该当前样本集,在确定该当前样本集后,获取该预设蛋白质表示模型,将该预设蛋白质表示模型作为当前蛋白质表示模型,并通过该当前蛋白质表示模型,确定该当前样本集对应的第一损失值,通过该关系确定模型,确定该当前样本集对应的第二损失值。
在一种可能的实现方式中,可以将该当前样本集对应的样本蛋白质序列输入该当前蛋白质表示模型,以获取该当前蛋白质表示模型输出的预测蛋白质表示;根据该预测蛋白质表示和该当前样本集对应的样本蛋白质表示,确定该当前样本集对应的第一损失值。示例地,可以通过MLM(Masked Language Model,掩码语言模型)损失函数确定该第一损失值。
该当前蛋白质表示模型包括傅里叶变换层和蛋白质表示确定层,该傅里叶变换层可以进行二维傅里叶变换处理,示例地,可以将该当前样本集对应的样本蛋白质序列输入该当前蛋白质表示模型,通过该傅里叶变换层确定该当前样本集对应的样本蛋白质序列的样本维度信息,并根据该样本维度信息,通过该蛋白质表示确定层确定该预测蛋白质表示。
图3是根据本公开一示例性实施例示出的一种蛋白质表示模型示意图,如图3所示,该当前蛋白质表示模型还包括嵌入层,该蛋白质表示确定层包括Add&Norm、前馈网络以及Add&Norm,该嵌入层的输出与该傅里叶变换层的输入耦合,该傅里叶变换层的输出与该蛋白质表示确定层的输出耦合。将该样本蛋白质序列输入该当前蛋白质表示模型后,通过该嵌入层确定该样本蛋白质序列对应的序列嵌入向量,将该序列嵌入向量输入该傅里叶变换层,通过该傅里叶变换层对该样本蛋白质序列的序列维度进行一维的傅里叶变换,对该样本蛋白质序列的隐藏维度进行一维的傅里叶变换,得到包含样本序列维度和样本隐藏维度的样本维度信息。之后,可以将该样本维度信息输入该蛋白质表示确定层,通过该蛋白质表示确定层得到该预测蛋白质表示。
需要说明的是,由于傅里叶变换处理的时间复杂度比较低,在蛋白质序列比较长的情况下,通过傅里叶变换层的处理,可以大幅度减少计算时间,从而提高了模型训练的效率。
在得到该当前样本集对应的预测蛋白质表示后,可以将该当前样本集对应的样本基因本体特征输入预设特征提取模型,以获取该预设特征提取模型输出的基因特征信息;将该基因特征信息和该当前样本集对应的预测蛋白质表示输入该关系确定模型,以获取该关系确定模型输出的预测关系信息;根据该预测关系信息和该当前样本集对应的样本关系信息,确定该当前样本集对应的第二损失值。其中,该预设特征提取模型可以是现有技术中成熟的特征提取模型,例如,该预设特征提取模型可以是BioBERT模型。
示例地,可以将该当前样本集对应的样本基因本体特征输入该预设特征提取模型,得到该当前样本集对应的基因特征信息,将该基因特征信息和该当前样本集对应的预测蛋白质表示输入该关系确定模型,得到该当前样本集对应的预测关系信息。之后,可以通过交叉熵损失函数,根据该预测关系信息和该当前样本集对应的样本关系信息,确定该当前样本集对应的第二损失值。
在确定该第一损失值和该第二损失值后,可以根据该第一损失值和该第二损失值,确定该目标损失值。示例地,可以将该第一损失值和该第二损失值的和值作为该目标损失值,也可以预先为该第一损失值和该第二损失值设置不同的权值,例如,该第一损失值对应的第一权值为0.6,该第二损失值对应的第二权值为0.4,计算该第一损失值与该第一权值的乘积,得到第一目标损失值,计算该第二损失值与该第二权值的乘积,得到第二目标损失值,将该第一目标损失值与该第二目标损失值的和值,作为该目标损失值。
在确定该目标损失值后,可以获取预设损失值阈值,在确定该目标损失值小于或等于该预设损失值阈值的情况下,可以确定该当前蛋白质表示模型满足该预设停止迭代条件,将该当前蛋白质表示模型作为该目标蛋白质表示模型;在确定该目标损失值大于该预设损失值阈值的情况下,可以确定该当前蛋白质表示模型不满足该预设停止迭代条件,根据该目标损失值,更新该当前蛋白质表示模型的参数,得到训练后的当前蛋白质表示模型,并将训练后的当前蛋白质表示模型作为新的当前蛋白质表示模型,从多个样本集中确定新的当前样本集,示例地,可以随机从多个样本集中确定新的当前样本集。
在得到新的当前蛋白质表示模型和新的当前样本集后,可以继续执行该模型训练步骤,直至确定该目标损失值小于或等于该预设损失值阈值,并将最后确定的新的当前蛋白质表示模型作为该目标蛋白质表示模型。
图4是根据本公开一示例性实施例示出的一种模型训练示意图,如图4所示,将样本蛋白质序列输入该当前蛋白质表示模型,得到该样本蛋白质序列对应的预测蛋白质表示,并确定该第一损失值,将该样本基因本体特征输入该预设特征提取模型,得到该样本蛋白质序列对应的基因特征信息,将该预测蛋白质表示和该基因特征信息输入该关系确定模型,通过该关系确定模型和该样本蛋白质序列对应的样本关系信息,确定该第二损失值。
在一种可能的实现方式中,在根据该目标损失值确定该当前蛋白质表示模型不满足该预设停止迭代条件的情况下,根据该目标损失值,更新该关系确定模型的参数,得到训练后的关系确定模型,并将训练后的关系确定模型作为新的关系确定模型。示例地,在该目标损失值大于该预设损失值阈值的情况下,根据该目标损失值,同步更新该关系确定模型的参数,得到新的关系确定模型,在下一次执行模型训练步骤时,通过新的关系确定模型确定该第二损失值。这样,可以得到更加准确的预测关系信息,使得根据该预测关系信息确定的第二损失值更加准确,从而进一步提高该目标蛋白质表示模型的准确率。
采用上述模型训练方法,样本基因本体特征也参与该目标蛋白质表示模型的训练,使得该目标蛋白质表示模型的蛋白质表示能力更强,从而提高了该目标蛋白质表示模型的准确率。并且,在模型训练过程中,通过傅里叶变换层确定样本蛋白质序列的维度信息,大幅度减少了计算量,从而提高了模型训练的效率。
图5是根据本公开一示例性实施例示出的一种确定蛋白质信息的装置的框图,如图5所示,该装置可以包括:
第一获取模块501,用于获取待确定蛋白质信息的目标蛋白质序列;
第二获取模块502,用于将该目标蛋白质序列输入目标蛋白质表示模型,以获取该目标蛋白质表示模型输出的目标蛋白质表示;
确定模块503,用于根据该目标蛋白质表示,确定该目标蛋白质序列的蛋白质信息,该蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;
其中,该目标蛋白质表示模型通过多个样本集预先生成,该样本集包括样本蛋白质序列和该样本蛋白质序列对应的样本序列信息,该样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,该样本关系信息用于表征该样本蛋白质序列与该样本基因本体特征之间的关系。
可选地,图6是根据本公开一示例性实施例示出的另一种确定蛋白质信息的装置的框图,如图6所示,该装置还包括:
模型训练模块504,用于获取多个该样本集;从多个该样本集中确定当前样本集,将预设蛋白质表示模型作为当前蛋白质表示模型,并根据该当前样本集,循环执行模型训练步骤,直至确定训练后的当前蛋白质表示模型满足预设停止迭代条件,将训练后的当前蛋白质表示模型作为该目标蛋白质表示模型;该模型训练步骤包括:通过该当前蛋白质表示模型,确定该当前样本集对应的第一损失值;通过预先生成的关系确定模型,确定该当前样本集对应的第二损失值;根据该第一损失值和该第二损失值,确定目标损失值;在根据该目标损失值确定该当前蛋白质表示模型不满足该预设停止迭代条件的情况下,根据该目标损失值,更新该当前蛋白质表示模型的参数,得到训练后的当前蛋白质表示模型,并将训练后的当前蛋白质表示模型作为新的当前蛋白质表示模型。
可选地,该模型训练模块504,还用于:
将该当前样本集对应的样本蛋白质序列输入该当前蛋白质表示模型,以获取该当前蛋白质表示模型输出的预测蛋白质表示;
根据该预测蛋白质表示和该当前样本集对应的样本蛋白质表示,确定该当前样本集对应的第一损失值。
可选地,该模型训练模块504,还用于:
将该当前样本集对应的样本基因本体特征输入预设特征提取模型,以获取该预设特征提取模型输出的基因特征信息;
将该基因特征信息和该当前样本集对应的预测蛋白质表示输入该关系确定模型,以获取该关系确定模型输出的预测关系信息;
根据该预测关系信息和该当前样本集对应的样本关系信息,确定该当前样本集对应的第二损失值。
可选地,该当前蛋白质表示模型包括傅里叶变换层和蛋白质表示确定层,该模型训练模块504,还用于:
将该当前样本集对应的样本蛋白质序列输入该当前蛋白质表示模型,通过该傅里叶变换层确定该当前样本集对应的样本蛋白质序列的样本维度信息,并根据该样本维度信息,通过该蛋白质表示确定层确定该预测蛋白质表示。
可选地,该模型训练模块504,还用于:
在根据该目标损失值确定该当前蛋白质表示模型不满足该预设停止迭代条件的情况下,根据该目标损失值,更新该关系确定模型的参数,得到训练后的关系确定模型,并将训练后的关系确定模型作为新的关系确定模型。
通过上述装置,用于训练目标蛋白质表示模型的训练集除了样本蛋白质序列和该样本蛋白质序列对应的样本蛋白质表示之外,还包括该样本蛋白质序列对应的样本基因本体特征和该样本蛋白质序列对应的样本关系信息,通过该样本基因本体特征和该样本关系信息能够提高该目标蛋白质表示模型的蛋白质表示能力,使得该目标蛋白质表示模型的准确率更高,这样,根据该目标蛋白质表示模型确定的目标蛋白质表示也更加准确,从而提高了根据该目标蛋白质表示确定的目标蛋白质信息的准确率。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
下面参考图7,其示出了适于用来实现本公开实施例的电子设备600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取待确定蛋白质信息的目标蛋白质序列;将所述目标蛋白质序列输入目标蛋白质表示模型,以获取所述目标蛋白质表示模型输出的目标蛋白质表示;根据所述目标蛋白质表示,确定所述目标蛋白质序列的蛋白质信息,所述蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;其中,所述目标蛋白质表示模型通过多个样本集预先生成,所述样本集包括样本蛋白质序列和所述样本蛋白质序列对应的样本序列信息,所述样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,所述样本关系信息用于表征所述样本蛋白质序列与所述样本基因本体特征之间的关系。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,第一获取模块还可以被描述为“获取待确定蛋白质信息的目标蛋白质序列的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种确定蛋白质信息的方法,包括:获取待确定蛋白质信息的目标蛋白质序列;将所述目标蛋白质序列输入目标蛋白质表示模型,以获取所述目标蛋白质表示模型输出的目标蛋白质表示;根据所述目标蛋白质表示,确定所述目标蛋白质序列的蛋白质信息,所述蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;其中,所述目标蛋白质表示模型通过多个样本集预先生成,所述样本集包括样本蛋白质序列和所述样本蛋白质序列对应的样本序列信息,所述样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,所述样本关系信息用于表征所述样本蛋白质序列与所述样本基因本体特征之间的关系。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述目标蛋白质表示模型通过以下方式预先生成:获取多个所述样本集;从多个所述样本集中确定当前样本集,将预设蛋白质表示模型作为当前蛋白质表示模型,并根据所述当前样本集,循环执行模型训练步骤,直至确定训练后的当前蛋白质表示模型满足预设停止迭代条件,将训练后的当前蛋白质表示模型作为所述目标蛋白质表示模型;所述模型训练步骤包括:通过所述当前蛋白质表示模型,确定所述当前样本集对应的第一损失值;通过预先生成的关系确定模型,确定所述当前样本集对应的第二损失值;根据所述第一损失值和所述第二损失值,确定目标损失值;在根据所述目标损失值确定所述当前蛋白质表示模型不满足所述预设停止迭代条件的情况下,根据所述目标损失值,更新所述当前蛋白质表示模型的参数,得到训练后的当前蛋白质表示模型,并将训练后的当前蛋白质表示模型作为新的当前蛋白质表示模型,从多个所述样本集中确定新的当前样本集。
根据本公开的一个或多个实施例,示例3提供了示例2的方法,所述通过所述当前蛋白质表示模型,确定所述当前样本集对应的第一损失值包括:将所述当前样本集对应的样本蛋白质序列输入所述当前蛋白质表示模型,以获取所述当前蛋白质表示模型输出的预测蛋白质表示;根据所述预测蛋白质表示和所述当前样本集对应的样本蛋白质表示,确定所述当前样本集对应的第一损失值。
根据本公开的一个或多个实施例,示例4提供了示例3的方法,所述通过预先生成的关系确定模型,确定所述当前样本集对应的第二损失值包括:将所述当前样本集对应的样本基因本体特征输入预设特征提取模型,以获取所述预设特征提取模型输出的基因特征信息;将所述基因特征信息和所述当前样本集对应的预测蛋白质表示输入所述关系确定模型,以获取所述关系确定模型输出的预测关系信息;根据所述预测关系信息和所述当前样本集对应的样本关系信息,确定所述当前样本集对应的第二损失值。
根据本公开的一个或多个实施例,示例5提供了示例3的方法,所述当前蛋白质表示模型包括傅里叶变换层和蛋白质表示确定层,所述将所述当前样本集对应的样本蛋白质序列输入所述当前蛋白质表示模型,以获取所述当前蛋白质表示模型输出的预测蛋白质表示包括:将所述当前样本集对应的样本蛋白质序列输入所述当前蛋白质表示模型,通过所述傅里叶变换层确定所述当前样本集对应的样本蛋白质序列的样本维度信息,并根据所述样本维度信息,通过所述蛋白质表示确定层确定所述预测蛋白质表示。
根据本公开的一个或多个实施例,示例6提供了示例2的方法,所述方法还包括:在根据所述目标损失值确定所述当前蛋白质表示模型不满足所述预设停止迭代条件的情况下,根据所述目标损失值,更新所述关系确定模型的参数,得到训练后的关系确定模型,并将训练后的关系确定模型作为新的关系确定模型。
根据本公开的一个或多个实施例,示例7提供了一种确定蛋白质信息的装置,包括:第一获取模块,用于获取待确定蛋白质信息的目标蛋白质序列;第二获取模块,用于将所述目标蛋白质序列输入目标蛋白质表示模型,以获取所述目标蛋白质表示模型输出的目标蛋白质表示;确定模块,用于根据所述目标蛋白质表示,确定所述目标蛋白质序列的蛋白质信息,所述蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;其中,所述目标蛋白质表示模型通过多个样本集预先生成,所述样本集包括样本蛋白质序列和所述样本蛋白质序列对应的样本序列信息,所述样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,所述样本关系信息用于表征所述样本蛋白质序列与所述样本基因本体特征之间的关系。
根据本公开的一个或多个实施例,示例8提供了示例7的装置,所述装置还包括模型训练模块,用于获取多个所述样本集;从多个所述样本集中确定当前样本集,将预设蛋白质表示模型作为当前蛋白质表示模型,并根据所述当前样本集,循环执行模型训练步骤,直至确定训练后的当前蛋白质表示模型满足预设停止迭代条件,将训练后的当前蛋白质表示模型作为所述目标蛋白质表示模型;所述模型训练步骤包括:通过所述当前蛋白质表示模型,确定所述当前样本集对应的第一损失值;通过预先生成的关系确定模型,确定所述当前样本集对应的第二损失值;根据所述第一损失值和所述第二损失值,确定目标损失值;在根据所述目标损失值确定所述当前蛋白质表示模型不满足所述预设停止迭代条件的情况下,根据所述目标损失值,更新所述当前蛋白质表示模型的参数,得到训练后的当前蛋白质表示模型,并将训练后的当前蛋白质表示模型作为新的当前蛋白质表示模型。
根据本公开的一个或多个实施例,示例9提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现示例1至示例6中任一示例所述方法的步骤。
根据本公开的一个或多个实施例,示例10提供了一种电子设备,包括:存储装置,其上存储有计算机程序;处理装置,用于执行所述存储装置中的所述计算机程序,以实现示例1至示例6中任一示例所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (10)
1.一种确定蛋白质信息的方法,其特征在于,所述方法包括:
获取待确定蛋白质信息的目标蛋白质序列;
将所述目标蛋白质序列输入目标蛋白质表示模型,以获取所述目标蛋白质表示模型输出的目标蛋白质表示;
根据所述目标蛋白质表示,确定所述目标蛋白质序列的蛋白质信息,所述蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;
其中,所述目标蛋白质表示模型通过多个样本集预先生成,所述样本集包括样本蛋白质序列和所述样本蛋白质序列对应的样本序列信息,所述样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,所述样本关系信息用于表征所述样本蛋白质序列与所述样本基因本体特征之间的关系。
2.根据权利要求1所述的方法,其特征在于,所述目标蛋白质表示模型通过以下方式预先生成:
获取多个所述样本集;
从多个所述样本集中确定当前样本集,将预设蛋白质表示模型作为当前蛋白质表示模型,并根据所述当前样本集,循环执行模型训练步骤,直至确定训练后的当前蛋白质表示模型满足预设停止迭代条件,将训练后的当前蛋白质表示模型作为所述目标蛋白质表示模型;
所述模型训练步骤包括:
通过所述当前蛋白质表示模型,确定所述当前样本集对应的第一损失值;
通过预先生成的关系确定模型,确定所述当前样本集对应的第二损失值;
根据所述第一损失值和所述第二损失值,确定目标损失值;
在根据所述目标损失值确定所述当前蛋白质表示模型不满足所述预设停止迭代条件的情况下,根据所述目标损失值,更新所述当前蛋白质表示模型的参数,得到训练后的当前蛋白质表示模型,并将训练后的当前蛋白质表示模型作为新的当前蛋白质表示模型,从多个所述样本集中确定新的当前样本集。
3.根据权利要求2所述的方法,其特征在于,所述通过所述当前蛋白质表示模型,确定所述当前样本集对应的第一损失值包括:
将所述当前样本集对应的样本蛋白质序列输入所述当前蛋白质表示模型,以获取所述当前蛋白质表示模型输出的预测蛋白质表示;
根据所述预测蛋白质表示和所述当前样本集对应的样本蛋白质表示,确定所述当前样本集对应的第一损失值。
4.根据权利要求3所述的方法,其特征在于,所述通过预先生成的关系确定模型,确定所述当前样本集对应的第二损失值包括:
将所述当前样本集对应的样本基因本体特征输入预设特征提取模型,以获取所述预设特征提取模型输出的基因特征信息;
将所述基因特征信息和所述当前样本集对应的预测蛋白质表示输入所述关系确定模型,以获取所述关系确定模型输出的预测关系信息;
根据所述预测关系信息和所述当前样本集对应的样本关系信息,确定所述当前样本集对应的第二损失值。
5.根据权利要求3所述的方法,其特征在于,所述当前蛋白质表示模型包括傅里叶变换层和蛋白质表示确定层,所述将所述当前样本集对应的样本蛋白质序列输入所述当前蛋白质表示模型,以获取所述当前蛋白质表示模型输出的预测蛋白质表示包括:
将所述当前样本集对应的样本蛋白质序列输入所述当前蛋白质表示模型,通过所述傅里叶变换层确定所述当前样本集对应的样本蛋白质序列的样本维度信息,并根据所述样本维度信息,通过所述蛋白质表示确定层确定所述预测蛋白质表示。
6.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在根据所述目标损失值确定所述当前蛋白质表示模型不满足所述预设停止迭代条件的情况下,根据所述目标损失值,更新所述关系确定模型的参数,得到训练后的关系确定模型,并将训练后的关系确定模型作为新的关系确定模型。
7.一种确定蛋白质信息的装置,其特征在于,所述装置包括:
第一获取模块,用于获取待确定蛋白质信息的目标蛋白质序列;
第二获取模块,用于将所述目标蛋白质序列输入目标蛋白质表示模型,以获取所述目标蛋白质表示模型输出的目标蛋白质表示;
确定模块,用于根据所述目标蛋白质表示,确定所述目标蛋白质序列的蛋白质信息,所述蛋白质信息包括蛋白质结构信息、蛋白质功能信息、蛋白质稳定信息以及蛋白质交互作用信息中的至少一个;
其中,所述目标蛋白质表示模型通过多个样本集预先生成,所述样本集包括样本蛋白质序列和所述样本蛋白质序列对应的样本序列信息,所述样本序列信息包括样本蛋白质表示、样本基因本体特征以及样本关系信息,所述样本关系信息用于表征所述样本蛋白质序列与所述样本基因本体特征之间的关系。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括模型训练模块,用于获取多个所述样本集;从多个所述样本集中确定当前样本集,将预设蛋白质表示模型作为当前蛋白质表示模型,并根据所述当前样本集,循环执行模型训练步骤,直至确定训练后的当前蛋白质表示模型满足预设停止迭代条件,将训练后的当前蛋白质表示模型作为所述目标蛋白质表示模型;所述模型训练步骤包括:通过所述当前蛋白质表示模型,确定所述当前样本集对应的第一损失值;通过预先生成的关系确定模型,确定所述当前样本集对应的第二损失值;根据所述第一损失值和所述第二损失值,确定目标损失值;在根据所述目标损失值确定所述当前蛋白质表示模型不满足所述预设停止迭代条件的情况下,根据所述目标损失值,更新所述当前蛋白质表示模型的参数,得到训练后的当前蛋白质表示模型,并将训练后的当前蛋白质表示模型作为新的当前蛋白质表示模型。
9.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-6中任一项所述方法的步骤。
10.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289842.4A CN115565607B (zh) | 2022-10-20 | 2022-10-20 | 确定蛋白质信息的方法、装置、可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211289842.4A CN115565607B (zh) | 2022-10-20 | 2022-10-20 | 确定蛋白质信息的方法、装置、可读介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115565607A true CN115565607A (zh) | 2023-01-03 |
CN115565607B CN115565607B (zh) | 2024-02-23 |
Family
ID=84747305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211289842.4A Active CN115565607B (zh) | 2022-10-20 | 2022-10-20 | 确定蛋白质信息的方法、装置、可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115565607B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060111846A1 (en) * | 2004-10-18 | 2006-05-25 | The Research Foundation Of State University Of New York | G-matrix Fourier transformation (GFT) nuclear magnetic resonance (NMR) experiments for resonance assignment and structure determination of organic molecules |
CN102930169A (zh) * | 2012-11-07 | 2013-02-13 | 景德镇陶瓷学院 | 基于灰色理论和分子指纹的药物-靶标结合预测方法 |
CN106845149A (zh) * | 2017-02-09 | 2017-06-13 | 景德镇陶瓷大学 | 一种新的基于基因本体信息的蛋白质序列表示方法 |
CN107609352A (zh) * | 2017-11-02 | 2018-01-19 | 中国科学院新疆理化技术研究所 | 一种蛋白质自相互作用的预测方法 |
CN111401534A (zh) * | 2020-04-29 | 2020-07-10 | 北京晶派科技有限公司 | 一种蛋白质性能预测方法、装置和计算设备 |
CN112185457A (zh) * | 2020-10-12 | 2021-01-05 | 上海海事大学 | 一种基于句嵌入Infersent模型的蛋白质-蛋白质相互作用预测方法 |
CN112786108A (zh) * | 2021-01-21 | 2021-05-11 | 北京百度网讯科技有限公司 | 分子理解模型的训练方法、装置、设备和介质 |
US20210249100A1 (en) * | 2020-02-06 | 2021-08-12 | Salesforce.Com, Inc. | Systems and methods for language modeling of protein engineering |
CN113470738A (zh) * | 2021-07-03 | 2021-10-01 | 中国科学院新疆理化技术研究所 | 基于模糊聚类和基因本体语义相似性的可重叠蛋白质复合物识别方法和*** |
WO2021248060A1 (en) * | 2020-06-04 | 2021-12-09 | California Institute Of Technology | Systems and methods for generating a signal peptide amino acid sequence using deep learning |
CN114333982A (zh) * | 2021-11-26 | 2022-04-12 | 北京百度网讯科技有限公司 | 蛋白质表示模型预训练、蛋白质相互作用预测方法和装置 |
CN114496068A (zh) * | 2022-01-27 | 2022-05-13 | 中国农业银行股份有限公司 | 蛋白质二级结构预测方法、装置、设备及存储介质 |
CN114613427A (zh) * | 2022-03-15 | 2022-06-10 | 水木未来(北京)科技有限公司 | 蛋白质三维结构预测方法及装置、电子设备和存储介质 |
CN114678061A (zh) * | 2022-02-09 | 2022-06-28 | 浙江大学杭州国际科创中心 | 基于预训练语言模型的蛋白质构象感知表示学习方法 |
CN114898811A (zh) * | 2022-05-26 | 2022-08-12 | 清华大学 | 蛋白质训练模型的训练方法及装置、电子设备和存储介质 |
CN114974397A (zh) * | 2021-02-23 | 2022-08-30 | 腾讯科技(深圳)有限公司 | 蛋白质结构预测模型的训练方法和蛋白质结构预测方法 |
CN115116551A (zh) * | 2022-06-27 | 2022-09-27 | 华东交通大学 | 基于非负矩阵分解框架的预测蛋白质相互作用关系的方法 |
CN115171779A (zh) * | 2022-07-13 | 2022-10-11 | 浙江大学 | 基于图注意力网络和多组学融合的癌症驱动基因预测装置 |
-
2022
- 2022-10-20 CN CN202211289842.4A patent/CN115565607B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060111846A1 (en) * | 2004-10-18 | 2006-05-25 | The Research Foundation Of State University Of New York | G-matrix Fourier transformation (GFT) nuclear magnetic resonance (NMR) experiments for resonance assignment and structure determination of organic molecules |
CN102930169A (zh) * | 2012-11-07 | 2013-02-13 | 景德镇陶瓷学院 | 基于灰色理论和分子指纹的药物-靶标结合预测方法 |
CN106845149A (zh) * | 2017-02-09 | 2017-06-13 | 景德镇陶瓷大学 | 一种新的基于基因本体信息的蛋白质序列表示方法 |
CN107609352A (zh) * | 2017-11-02 | 2018-01-19 | 中国科学院新疆理化技术研究所 | 一种蛋白质自相互作用的预测方法 |
US20210249100A1 (en) * | 2020-02-06 | 2021-08-12 | Salesforce.Com, Inc. | Systems and methods for language modeling of protein engineering |
CN111401534A (zh) * | 2020-04-29 | 2020-07-10 | 北京晶派科技有限公司 | 一种蛋白质性能预测方法、装置和计算设备 |
WO2021248060A1 (en) * | 2020-06-04 | 2021-12-09 | California Institute Of Technology | Systems and methods for generating a signal peptide amino acid sequence using deep learning |
CN112185457A (zh) * | 2020-10-12 | 2021-01-05 | 上海海事大学 | 一种基于句嵌入Infersent模型的蛋白质-蛋白质相互作用预测方法 |
CN112786108A (zh) * | 2021-01-21 | 2021-05-11 | 北京百度网讯科技有限公司 | 分子理解模型的训练方法、装置、设备和介质 |
CN114974397A (zh) * | 2021-02-23 | 2022-08-30 | 腾讯科技(深圳)有限公司 | 蛋白质结构预测模型的训练方法和蛋白质结构预测方法 |
CN113470738A (zh) * | 2021-07-03 | 2021-10-01 | 中国科学院新疆理化技术研究所 | 基于模糊聚类和基因本体语义相似性的可重叠蛋白质复合物识别方法和*** |
CN114333982A (zh) * | 2021-11-26 | 2022-04-12 | 北京百度网讯科技有限公司 | 蛋白质表示模型预训练、蛋白质相互作用预测方法和装置 |
CN114496068A (zh) * | 2022-01-27 | 2022-05-13 | 中国农业银行股份有限公司 | 蛋白质二级结构预测方法、装置、设备及存储介质 |
CN114678061A (zh) * | 2022-02-09 | 2022-06-28 | 浙江大学杭州国际科创中心 | 基于预训练语言模型的蛋白质构象感知表示学习方法 |
CN114613427A (zh) * | 2022-03-15 | 2022-06-10 | 水木未来(北京)科技有限公司 | 蛋白质三维结构预测方法及装置、电子设备和存储介质 |
CN114898811A (zh) * | 2022-05-26 | 2022-08-12 | 清华大学 | 蛋白质训练模型的训练方法及装置、电子设备和存储介质 |
CN115116551A (zh) * | 2022-06-27 | 2022-09-27 | 华东交通大学 | 基于非负矩阵分解框架的预测蛋白质相互作用关系的方法 |
CN115171779A (zh) * | 2022-07-13 | 2022-10-11 | 浙江大学 | 基于图注意力网络和多组学融合的癌症驱动基因预测装置 |
Non-Patent Citations (3)
Title |
---|
NINGYU ZHANG ET AL.: "ONTOPROTEIN: PROTEIN PRETRAINING WITH GENE ONTOLOGY EMBEDDING", 《ARXIV》, pages 1 - 5 * |
亢晓梅: "基于图神经网络的蛋白质复合物识别的研究与实现", 《中国优秀硕士学位论文全文数据库》, pages 1 - 59 * |
王立新: "基于多源数据融合的蛋白质功能预测", 《中国优秀硕士学位论文全文数据库》, pages 1 - 60 * |
Also Published As
Publication number | Publication date |
---|---|
CN115565607B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902186B (zh) | 用于生成神经网络的方法和装置 | |
CN112650841A (zh) | 信息处理方法、装置和电子设备 | |
CN113392018A (zh) | 流量分发方法、装置、存储介质及电子设备 | |
CN111262907A (zh) | 服务实例访问方法、装置和电子设备 | |
CN113435528B (zh) | 对象分类的方法、装置、可读介质和电子设备 | |
CN112669816B (zh) | 模型的训练方法、语音识别方法、装置、介质及设备 | |
CN115565607B (zh) | 确定蛋白质信息的方法、装置、可读介质及电子设备 | |
CN111898061B (zh) | 搜索网络的方法、装置、电子设备和计算机可读介质 | |
CN110619079B (zh) | 用于推送信息的方法和装置 | |
CN113986958A (zh) | 文本信息的转换方法、装置、可读介质和电子设备 | |
CN113240108A (zh) | 模型训练方法、装置和电子设备 | |
CN111680754A (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN112115154A (zh) | 数据处理和数据查询方法、装置、设备和计算机可读介质 | |
CN111597439A (zh) | 信息处理方法、装置和电子设备 | |
CN111353585A (zh) | 神经网络模型的结构搜索方法和装置 | |
CN113283115B (zh) | 图像模型生成方法、装置和电子设备 | |
CN111625707B (zh) | 推荐应答方法、装置、介质和设备 | |
CN114040014B (zh) | 内容推送方法、装置、电子设备及计算机可读存储介质 | |
CN116703262B (zh) | 配送资源调整方法、装置、电子设备和计算机可读介质 | |
CN115374320B (zh) | 文本匹配方法、装置、电子设备、计算机介质 | |
CN111582482B (zh) | 用于生成网络模型信息的方法、装置、设备和介质 | |
US20240233334A1 (en) | Multi-modal data retrieval method and apparatus, medium, and electronic device | |
CN115938470A (zh) | 蛋白质特征预处理方法、装置、介质及设备 | |
CN113486982A (zh) | 模型训练方法、装置和电子设备 | |
CN116167933A (zh) | 图像降噪方法、装置、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |