基于自适应数据增强与双重信息挖掘的酶周转率预测方法

本发明提供了一种基于自适应数据增强与双重信息挖掘的酶周转率预测方法，属于生物信息学技术领域，解决了现有k预测方法中多模态信息利用不足及数据不平衡的问题。其技术方案如下：首先，构建统一标准的k数据集；其次，设计对酶和底物序列的自适应数据增强模块以缓解数据不平衡；接着，使用进化尺度建模‑2和分子双向编码表示预训练模型提取酶和底物的嵌入特征；然后，通过双重信息挖掘模块解耦酶‑底物多模态间的共性信息与各模态内的特性信息，并引入辅助损失优化信息提取；最后，结合共性特征与特性特征，利用自适应密度权重网络进行鲁棒的k值预测。