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

授权

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。

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

专利标题（英）：

暂无

公开（公告）号：

CN114065620A

申请号：

CN202111332530.2

公开（公告）日：

2022-02-18

申请日：

2021-11-11

授权号：

CN114065620B

授权日：

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

代理机构：

四川省成都市天策商标专利事务所(有限合伙)

代理人：

张秀敏

优先权：

CN202111332530.2

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06F17/16 G06F119/14

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06F

电数字数据处理

G06F30/27

使用机器学习，例如人工智能，神经网络，支持向量机或训练模型

法律状态

2022-06-03 ：

授权

2022-03-08 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20211111

2022-02-18 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载