CN116417060B 蛋白质功能模块的挖掘方法、计算机设备和存储介质 （中国科学院深圳先进技术研究院）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN116417060B(45)授权公告日2025.07.08

(21)申请号202111649446.3

(22)申请日2021.12.29

(65)同一申请的已公布的文献号申请公布号CN116417060A

(43)申请公布日2023.07.11

(73)专利权人中国科学院深圳先进技术研究院地址518055广东省深圳市南山区深圳大

学城学苑大道1068号

(72)发明人陈宏威吴红艳纪超杰蔡云鹏

(74)专利代理机构深圳市铭粤知识产权代理有限公司44304

专利代理师孙伟峰黄进

(51)Int.CI.

G16B5/00(2019.01)

GO6F18/23213(2023.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

WO2017081687A1,2017.05.18CN108009403A,2018.05.08

审查员杨越松

权利要求书4页说明书11页附图2页

(54)发明名称

蛋白质功能模块的挖掘方法、计算机设备和存储介质

(57)摘要

CN116417060B节喜找本发明公开了一种蛋白质功能模块的挖掘方法、计算机设备和计算机可读存储介质，基于节点级别自适应的图卷积网络(NASGC)模型，通过自适应机制使各个蛋白质节点分别学习高阶和低阶邻居信息，学习得到蛋白质节点的向量表

CN116417060B

节喜找

CN116417060B权利要求书1/4页

2

1.一种蛋白质功能模块的挖掘方法，其特征在于，包括步骤：

S1、将蛋白质相互作用网络输入节点级别自适应图卷积网络模型中学习训练，使各个蛋白质节点学习高阶和低阶邻居信息，获得蛋白质节点向量表示；

S2、基于所述蛋白质节点向量表示，通过K-means聚类算法进行聚类，得到蛋白质节点的聚类结果软标签，根据所述聚类结果软标签设定损失函数并进行反向传播，更新模型的网络参数；

S3、基于以上步骤S1至步骤S2进行迭代计算至模型收敛或达到最大迭代次数，获得最后一次迭代计算的最终的蛋白质节点向量表示以及聚类结果；

S4、基于所述最终的蛋白质节点向量表示，通过余弦相似度计算公式计算蛋白质节点的相似度，构建加权邻接矩阵；

S5、从所述蛋白质相互作用网络筛选出蛋白质复合体基础结构并基于所述加权邻接矩阵的计算进行扩展，获得蛋白质复合体；

S6、从所述聚类结果的每个聚类簇中筛选出蛋白质信号通路基础结构并基于所述加权邻接矩阵的计算进行扩展，获得蛋白质信号通路。

2.根据权利要求1所述的蛋白质功能模块的挖掘方法，其特征在于，所述步骤S1包括：

S11、获取蛋白质相互作用网络，构建相应的邻接矩阵A和基因本体属性特征矩阵X;其中，所述蛋白质相互作用网络的节点表示为v={,V?…,va},所述基因本体属性特征矩阵X=[x?,X?,…,x。,n为蛋白质节点总数，x;的维度为d,x和d均为正整数，i=1~n;

S12、基于所述邻接矩阵A计算归一化拉普拉斯矩阵Ls,构建低通滤波器G;所述归一化拉普拉斯矩阵Ls为Ls=I-D122AD12,所述低通滤波器G为;其中，D为所述邻接矩阵A的度矩阵D=diag(d?,d2,.….,da),d表示节点v?的边数，A是矩阵Ls特征值的对角矩阵，I是矩阵Ls特征值全为1的对角矩阵，U是矩阵Ls的特征向量；

S13、设置迭代卷积层数k=t,令t从0至M循环进行以下步骤S14至S18,M表示卷积层数的最大值，取值为正整数；

S14、使用低通图滤波器G与基因本体属性特征矩阵X执行第k层卷积操作，得到蛋白质相互作用网络的当前卷积层的图表示GkX,计算公式如下：

S15、基于所述当前卷积层的图表示GkX,计算蛋白质相互作用网络中各个蛋白质节点的状态值，计算公式如下：

其中，[Gx]1表示第k层卷积操作时节点v?的图表示，8表示节点v?在第k-1层卷积操作时的状态值，s表示节点v;在第k层卷积操作时状态值，S()为一个非线性变换函数；

S16、基于所述状态值计算评估各个节点停止进行迭代卷积的概率值；其中，所述概率值的计算公式如下：

h=σ(Wn8{+bn),

其中，W和b是所述节点级别自适应图卷积网络模型的可学习网络参数；σ表示激活函

CN116417060B