基于深度卷积神经网络的生物活性肽预测方法

技术特征：
1.基于深度卷积神经网络的生物活性肽预测方法，其特征在于，通过不同尺寸过滤器的一维卷积来处理原始的氨基酸残基序列，提取有用的特征，通过优化模型输出与标签的交叉熵损失优化模型，专门为aap的挖掘和预测而设计，该模型即aapred-cnn基于嵌入技术而不基于特征工程和人工设计的特征，aapred-cnn的训练和测试所使用的数据集是公开的数据集main和nt15数据集。

技术总结
本发明涉及一种基于深度卷积神经网络的生物活性肽预测方法，通过不同尺寸过滤器的一维卷积来处理原始的氨基酸残基序列，提取有用的特征，通过优化模型输出与标签的交叉熵损失优化模型，专门为AAP的挖掘和预测而设计，该模型即AAPred-CNN基于嵌入技术而不基于特征工程和人工设计的特征，AAPred-CNN的训练和测试所使用的数据集是公开的数据集main和NT15数据集，本发明通过将首次将经典的深度学习算法TextCNN结合嵌入技术、残基倾向性分析等应用到抗血管生成肽的预测问题上，为AAP的挖掘和预测设计出具备优秀性能分类器AAPred-CNN，AAPred-CNN基于嵌入技术，不依赖于特征工程，能够通过自适应地方式从纯粹的氨基酸残基序列中提取有用的信息并用于预测多肽是否具有抗血管生成的功能活性。抗血管生成的功能活性。抗血管生成的功能活性。


技术研发人员：林常航
受保护的技术使用者：福建技术师范学院
技术研发日：2021.12.03
技术公布日：2022/4/12