基本信息:
- 专利标题： 基于像素图表征和CNN的可解释性分子动力学轨迹分析方法
- 申请号：CN202111332530.2 申请日：2021-11-11
- 公开(公告)号：CN114065620B 公开(公告)日：2022-06-03
- 发明人： 李川 , 刘江亭 , 蒲雪梅 , 曾严
- 申请人： 四川大学
- 申请人地址： 四川省成都市一环路南一段24号
- 专利权人： 四川大学
- 当前专利权人： 四川大学
- 当前专利权人地址： 四川省成都市一环路南一段24号
- 代理机构： 四川省成都市天策商标专利事务所
- 代理人： 张秀敏
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F17/16 ; G06F119/14
摘要：
本发明公开了基于像素图表征和CNN的可解释性分子动力学轨迹分析方法，获取两条不同类别的MD轨迹数据集，将原子和残基对应，并删除H原子；进行数据预处理并用像素图方式表征数据，得到两组带有标签的像素图数据集，并对CNN模型进行训练和测试；构造解释器输出像素评分矩阵；采样并获取像素评分矩阵，累加并求平均值，得到原子评分；对一个残基中所有原子的评分求平均值，得到该残基评分。本发明采用像素图表征方式直接将所有的坐标信息映射到图像中，能达到尽可能小的信息损失。将所有的坐标信息映射到图像中，在表征过程中达到线性无损，同时避免了计算大量描述符的时间和人力成本。
公开/授权文献:
- CN114065620A 基于像素图表征和CNN的可解释性分子动力学轨迹分析方法 公开/授权日：2022-02-18
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |