基于深度学习的蛋白质相互作用位点的预测方法

本发明公开了基于深度学习的蛋白质相互作用位点的预测方法，涉及蛋白质相互作用位点预测领域；首先，以蛋白质序列为输入，通过微调的protBERT模型生成嵌入；然后，嵌入被传输到特征提取模块，特征提取模块由具有初始残差和恒等映射的共同进化图注意力(CGAT)块的L层组成，并且PageRank机制被用于跨所有层的特征的彻底分类；最后，预测模块通过全连通层对每个残基是否是相互作用位点进行二值分类。本发明通过深度学习模型实现了蛋白质相互作用位点的预测，从而相比于常规生命科学实验时间成本大幅度降低，并且预测精度也相对较高。