基于跨模态深度学习的抗菌肽活性与MIC值联合预测框架

本发明属于抗菌肽活性识别与评估技术领域，涉及基于跨模态深度学习的抗菌肽活性与MIC值联合预测框架，该框架利用蛋白质语言模型ESM2分别对抗菌肽序列和病原体蛋白质序列进行token级语义嵌入编码；通过包含Mamba模块、多头自注意力机制和DASM 1D卷积的多分支结构进行跨模态特征提取与融合；采用多任务解码结构同时实现抗菌肽活性分类和MIC值回归预测；本发明能够有效挖掘序列中的功能特征，显著提升抗菌肽活性与MIC值预测的准确性与泛化能力，为抗菌肽的高通量筛选与理性设计提供了可靠的计算工具。