一种选择性状态空间建模的高效蛋白质稳定性预测方法

本发明涉及蛋白质预测技术领域，公开了一种选择性状态空间建模的高效蛋白质稳定性预测方法。本发明采用了BiMamba和CoGNN两个核心模块，通过选择性状态空间建模和协同图神经网络相结合的方式，突破了现有方法在计算效率和多尺度信息处理上的限制。本发明提出了基于k跳子图的局部采样策略，通过聚焦突变位点周围的关键环境实现高效计算；采用双向选择性状态空间模型以线性复杂度建模长程依赖关系，有效克服传统Transformer架构的计算瓶颈。本发明开发的门控融合模块能够自适应整合长短程特征，使模型能够针对不同类型的突变灵活调整特征组合策略，提升了蛋白质ΔΔG预测的准确性和效率。