基于预训练模型，进行氨基酸序列编码，用于深度学习模型构建

本团队提供生物医学领域专业的AI（机器学习、深度学习）技术支持服务。如果您有需求，请扫描文末二维码关注我们。

---

在对氨基酸序列数据进行深度学习模型构建时，首先需要将字符形式的序列数据进行编码操作。最简单的当然是One-hot编码，但会引入稀疏性问题。这里提供一种基于预训练模型的编码方法，代码如下：

import os 
import pandas as pd 
import numpy as np 
from sentence_transformers import SentenceTransformer
import warnings

warnings.filterwarnings('ignore')


# 定义读取FASTA格式的氨基酸序列文件
def read_fasta(file_path):
    with open(file_path, 'r') as file:
        sequences = []
        sequence_names = []
        current_sequence = []