(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211319513.X (22)申请日 2022.10.26 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦二层 (72)发明人 林大勇　刘荔行　方晓敏　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 张润 (51)Int.Cl. G16B 15/20(2019.01) G16B 40/00(2019.01) G06N 3/04(2006.01) (54)发明名称 多肽序列 的生成方法、 装置、 电子设备及存 储介质 (57)摘要 本公开提供了一种多肽序列的生 成方法、 装 置、 电子设备及存储介质， 涉及人工智 能技术领 域， 具体涉及生物计算等技术领域。 具体实施方 案为： 获取由多个第一氨基酸组成的蛋白质序 列； 对蛋白质序列进行编码， 得到蛋白质序列L行 的第一表征向量； 通过注意力机制， 对蛋白质序 列的第一表征向量进行解码， 得到K个第二氨基 酸， 其中， K为大于或者等于1的自然数； 基于K个 第二氨基酸， 生成多肽序列。 解析蛋白质序列中 每一个氨基酸的第一表征向量， 通过注意力机制 对第一表征向量进行解码生 成多肽序列， 可以提 升预测多肽序列的专注度， 以此提升多肽序列预 测的准确性和预测效率， 降低多肽序列的预测成 本。 权利要求书3页 说明书9页 附图3页 CN 115512762 A 2022.12.23 CN 115512762 A 1.一种多肽序列的生成方法， 包括： 获取由多个第一氨基酸组成的蛋白质序列； 对所述蛋白质序列进行编码， 得到所述蛋白质序列L行的第 一表征向量， 所述第 一表征 向量中包括所述多个氨基酸之间的相互关联信息， 其中， 所述 L为大于或者 等于1的自然数； 通过注意力机制， 对所述蛋白质序列的第一表征向量进行解码， 得到K个第二氨基酸， 其中， 所述K为大于或者 等于1的自然数； 基于K个所述第二氨基酸， 生成多肽序列。 2.根据权利要求1所述的方法， 其中， 所述通过注意力机制， 对所述蛋白质序列的第一 表征向量进行解码， 得到K个第二氨基酸， 包括： 从首行第一表征向量开始逐个输入解码器中， 由所述解码器对当前输入的第 一表征向 量进行解码， 得到相应的解码出的第二氨基酸； 基于所述解码器当前已解码出的N个第二氨基酸， 获取第二表征向量， 其中， 所述第二 表征向量中包括所述 N个第二氨基酸之间的相互关联信息； 对所述解码器当前输入的第 一表征向量和所述第 二表征向量进行注意力 机制， 得到第 N+1个第二氨基酸。 3.根据权利要求2所述的方法， 其中， 所述对所述解码器当前输入的第 一表征向量和所 述第二表征向量进行注意力机制， 得到第N+1个第二氨基酸， 包括： 对所述解码器当前输入的第 一表征向量和所述第 二表征向量进行融合， 得到第 三表征 向量； 根据所述第三表征向量， 获取氨基酸词典中每 个第二氨基酸的生成概 率； 根据所述 生成概率确定所述第N+1个第二氨基酸。 4.根据权利要求3所述的方法， 其中， 所述根据所述第三表征向量， 获取所述氨基酸词 典中每个第二氨基酸的生成概 率， 包括： 对所述第三表征向量取平均后进行线性变换， 得到氨基酸词典大小的目标表征向量； 对所述目标表征向量进行归一化操作， 得到所述氨基酸词典中每个第 二氨基酸的生成 概率。 5.根据权利要求3所述的方法， 其中， 所述根据所述生成概率确定所述第N+1个第二氨 基酸， 包括： 从所述氨基酸词典中， 选取所述生成概率最大的第二氨基酸作为所述第N+1个第二氨 基酸。 6.根据权利要求2所述的方法， 其中， 所述方法还 包括： 每当所述解码器解码出新的第 二氨基酸， 基于所述新的第 二氨基酸对所述第 二表征向 量进行更新。 7.根据权利要求1所述的方法， 其中， 所述方法还 包括： 响应于所述解码器解码到所述蛋白质序列的终止标识， 停止继续解码， 并输出所有解 码出的第二氨基酸。 8.根据权利要求1所述的方法， 其中， 所述基于所述K个第二氨基酸， 生成多肽序列， 包 括： 获取所述K个第二氨基酸中每 个第二氨基酸的解码时间；权　利　要　求　书 1/3 页 2 CN 115512762 A 2按照所述 解码时间从早到晚对所述K个第二氨基酸进行合成， 以生成所述多肽序列。 9.根据权利要求1所述的方法， 其中， 所述对所述蛋白质序列进行编码， 得到所述蛋白 质序列L行的第一表征向量， 包括： 将所述蛋白质序列输入预训练的编码器中， 由所述编码器获取所述蛋白质序列L行的 初始表征向量， 并对 所述初始表征向量进 行注意力机制， 得到所述蛋白质序列L行的第一表 征向量。 10.一种多肽序列的生成装置， 包括： 获取模块， 用于获取由多个第一氨基酸组成的蛋白质序列； 编码模块， 用于对所述蛋白质序列进行编码， 得到所述蛋白质序列L行的第一表征向 量， 所述第一表征向量中包括所述多个氨基酸之间的相互关联信息， 其中， 所述L为大于或 者等于1的自然数； 解码模块， 用于通过注意力机制， 对所述蛋白质序列的第一表征向量进行解码， 得到K 个第二氨基酸， 其中， 所述K为大于或者 等于1的自然数； 生成模块， 用于基于K个所述第二氨基酸， 生成多肽序列。 11.根据权利要求10所述的装置， 其中， 所述 解码模块， 还用于： 从首行第一表征向量开始逐个输入解码器中， 由所述解码器对当前输入的第 一表征向 量进行解码， 得到相应的解码出的第二氨基酸； 基于所述解码器当前已解码出的N个第二氨基酸， 获取第二表征向量， 其中， 所述第二 表征向量中包括所述 N个第二氨基酸之间的相互关联信息； 对所述解码器当前输入的第 一表征向量和所述第 二表征向量进行注意力 机制， 得到第 N+1个第二氨基酸。 12.根据权利要求1 1所述的装置， 其中， 所述 解码模块， 还用于： 对所述解码器当前输入的第 一表征向量和所述第 二表征向量进行融合， 得到第 三表征 向量； 根据所述第三表征向量， 获取氨基酸词典中每 个第二氨基酸的生成概 率； 根据所述 生成概率确定所述第N+1个第二氨基酸。 13.根据权利要求12所述的装置， 其中， 所述 解码模块， 还用于： 对所述第三表征向量取平均后进行线性变换， 得到氨基酸词典大小的目标表征向量； 对所述目标表征向量进行归一化操作， 得到所述氨基酸词典中每个第 二氨基酸的生成 概率。 14.根据权利要求12所述的装置， 其中， 所述 解码模块， 还用于： 从所述氨基酸词典中， 选取所述生成概率最大的第二氨基酸作为所述第N+1个第二氨 基酸。 15.根据权利要求1 1所述的装置， 其中， 所述 解码模块， 还用于： 每当所述解码器解码出新的第 二氨基酸， 基于所述新的第 二氨基酸对所述第 二表征向 量进行更新。 16.根据权利要求10所述的装置， 其中， 所述 解码模块， 还用于： 响应于所述解码器解码到所述蛋白质序列的终止标识， 停止继续解码， 并输出所有解 码出的第二氨基酸。权　利　要　求　书 2/3 页 3 CN 115512762 A 3