買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京悅康科創醫藥科技股份有限公司申請的專利基于人工智能的多肽序列改造方法、裝置、設備及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119314546B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411823421.4，技術領域涉及：G16B15/30；該發明授權基于人工智能的多肽序列改造方法、裝置、設備及介質是由宋更申;趙化建設計研發完成，并于2024-12-11向國家知識產權局提交的專利申請。

本基于人工智能的多肽序列改造方法、裝置、設備及介質在說明書摘要公布了：本發明涉及多肽設計技術領域，公開了一種基于人工智能的多肽序列改造方法、裝置、設備及介質，該方法包括：獲取參考多肽序列；利用預設的遮蓋詞元，對所述參考多肽序列中的部分詞元進行遮蓋，得到遮蓋多肽序列；將所述遮蓋多肽序列輸入至預先訓練完成的多肽序列改造模型；基于所述多肽序列改造模型輸出的預測結果，確定所述遮蓋多肽序列中被遮蓋部分的預測詞元；將所述參考多肽序列中被遮蓋的部分詞元替換為所述預測詞元，得到預測多肽序列；若所述預測多肽序列是與已有多肽序列均不同的多肽序列，則將所述預測多肽序列作為改造多肽序列。本發明基于已有多肽序列進行改造得到新的多肽序列，可提高多肽設計的質量和速度。

本發明授權基于人工智能的多肽序列改造方法、裝置、設備及介質在權利要求書中公布了：1.一種基于人工智能的多肽序列改造方法，其特征在于，所述方法包括： 獲取參考多肽序列； 利用預設的遮蓋詞元，對所述參考多肽序列中的部分詞元進行遮蓋，得到遮蓋多肽序列；所述遮蓋詞元為指定的氨基酸殘基詞元； 將所述遮蓋多肽序列輸入至預先訓練完成的多肽序列改造模型； 基于所述多肽序列改造模型輸出的預測結果，確定所述遮蓋多肽序列中被遮蓋部分的預測詞元；若所述多肽序列改造模型輸出對應全部詞元的N個概率值，那么將N個概率值按照從大到小的順序排列，然后取前M個概率值，將這M個概率值對應的M個詞元都作為預測詞元；其中，詞元對應的所述概率值指示所述參考多肽序列中被遮蓋的詞元是對應詞元的概率值； 將所述參考多肽序列中被遮蓋的部分詞元替換為所述預測詞元，得到預測多肽序列； 若所述預測多肽序列是與已有多肽序列均不同的多肽序列，則將所述預測多肽序列作為改造多肽序列； 所述若所述預測多肽序列是與已有多肽序列均不同的多肽序列，則將所述預測多肽序列作為改造多肽序列之后，還包括：對所述改造多肽序列進行活性和或毒性的篩選；具體包括： 將所述改造多肽序列的序列信息和目標受體的序列信息、以及所述改造多肽序列的結構圖像和所述目標受體的結構圖像輸入至第一多模態深度學習模型中預測得到所述改造多肽序列的活性信息； 和或， 將所述改造多肽序列的序列信息和目標受體的序列信息、以及所述改造多肽序列的結構圖像和所述目標受體的結構圖像輸入至第二多模態深度學習模型中預測得到所述改造多肽序列的毒性信息； 其中，所述第一多模態深度學習模型和所述第二多模態深度學習模型都包括Star-Transformer編碼器、卷積神經網絡、特征融合層和全連接層； 所述Star-Transformer編碼器用于基于所述改造多肽序列的序列信息和目標受體的序列信息，輸出第一特征信息； 所述卷積神經網絡用于基于所述改造多肽序列的結構圖像和所述目標受體的結構圖像，輸出第二特征信息； 所述特征融合層用于將所述第一特征信息和所述第二特征信息融合，得到融合特征信息； 所述第一多模態深度學習模型的全連接層基于所述融合特征信息預測得到所述改造多肽序列的活性信息，和所述第二多模態深度學習模型的全連接層基于所述融合特征信息預測得到所述改造多肽序列的毒性信息； 在訓練過程中，對于卷積神經網絡的多肽和受體的結構圖像樣本，使用多個數據增強方法，包括但不限于圖像旋轉、隨機裁剪受體圖像、改變圖像顏色。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京悅康科創醫藥科技股份有限公司，其通訊地址為：100176 北京市大興區北京經濟技術開發區科創七街11號院3號樓1層101室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。