一种基于特征工程与集成学习的蛋白质盐敏感性预测方法
本发明属于生物信息学领域,涉及一种基于特征工程与集成学习的蛋白质盐敏感性预测方法。首先,通过输入已知盐浓度低、中、高类别的蛋白质序列数据并进行数据清洗与长度标准化,系统自动提取净电荷密度、电荷不对称性等十个关键物理化学特征;其次,使用随机森林、梯度提升树和支持向量机构建多模型学习框架,基于各模型在验证集上的准确率动态分配集成权重,采用加权投票机制融合生成最终分类结果;最后,对集成模型进行量化评估并保存,进而对新的蛋白质序列进行预测,输出预测类别、置信度及特征重要性分析。本发明实现了对蛋白质盐敏感性的高精度、可解释预测,为液液相分离研究和药物递送系统提供条件优化支持。
《一种基于特征工程与集成学习的蛋白质盐敏感性预测方法》是一发明专利,专利号为 2025116038789,当前法律状态为已下证,由鲁东大学提出申请,发明人为张得印;周树森;臧睦君;刘通;柳婵娟;王庆军,申请日期为2025-11-05,公开(公告)日期为2026-03-27,国际专利分类号(IPC)为 G16C 20/70 (2019.01),高新资质:未报高企,所属技术领域包括:生物、信息技术、蛋白质、盐敏感性、特征工程、集成学习、蛋白预测、生物信息。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明属于生物信息学领域,涉及一种基于特征工程与集成学习的蛋白质盐敏感性预测方法。首先,通过输入已知盐浓度低、中、高类别的蛋白质序列数据并进行数据清洗与长度标准化,系统自动提取净电荷密度、电荷不对称性等十个关键物理化学特征;其次,使用随机森林、梯度提升树和支持向量机构建多模型学习框架,基于各模型在验证集上的准确率动态分配集成权重,采用加权投票机制融合生成最终分类结果;最后,对集成模型进行量化评估并保存,进而对新的蛋白质序列进行预测,输出预测类别、置信度及特征重要性分析。本发明实现了对蛋白质盐敏感性的高精度、可解释预测,为液液相分离研究和药物递送系统提供条件优化支持。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
