申请/专利权人:兰州大学
申请日:2022-05-18
公开(公告)日:2024-06-25
公开(公告)号:CN114822684B
主分类号:G16B15/30
分类号:G16B15/30;G16B40/00;G06F18/22;G06F18/241;G06N3/0442;G06N3/045;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.06.25#授权;2022.08.16#实质审查的生效;2022.07.29#公开
摘要:本发明涉及一种化合物‑靶蛋白绑定关系预测方法及系统,该方法包括:获取多对靶蛋白‑化合物绑定数据,将绑定关系作为标签构建原始样本数据;根据各化合物信息进行化合物相似度计算,并基于化合物相似度对原始样本数据分类,得到多组靶蛋白‑化合物绑定数据,采用每组靶蛋白‑化合物绑定数据对深度学习网络模型训练,得到多组靶蛋白‑化合物绑定关系预测模型;根据待测数据与原始样本数据化合物相似度,确定待测数据对应靶蛋白‑化合物绑定关系预测模型;通过对应预测模型对待测化合物与待测靶蛋白的绑定关系进行预测。本发明基于待测数据化合物相似度对待测数据分类,构建对应类绑定关系预测模型,降低化合物‑靶蛋白绑定关系预测的假阳性率。
主权项:1.一种化合物-靶蛋白绑定关系预测方法,其特征在于,所述方法包括:获取多对靶蛋白-化合物绑定数据,并将靶蛋白-化合物绑定关系作为标签构建原始样本数据;每对靶蛋白-化合物绑定数据包括化合物原子信息、化合物化学键信息以及靶蛋白序列信息;根据各所述化合物原子信息、化合物化学键信息进行化合物相似度计算,确定化合物相似度,并基于所述化合物相似度对所述原始样本数据进行分类,得到若干组靶蛋白-化合物绑定数据;构建深度学习网络模型,分别采用每组靶蛋白-化合物绑定数据对所述深度学习网络模型进行训练,得到多组靶蛋白-化合物绑定关系预测模型;根据待测数据与原始样本数据的化合物相似度,确定所述待测数据对应的靶蛋白-化合物绑定关系预测模型;所述待测数据包括待测化合物和待测靶蛋白数据;通过对应的靶蛋白-化合物绑定关系预测模型对所述待测化合物与所述待测靶蛋白的绑定关系进行预测。
全文数据:
权利要求:
百度查询: 兰州大学 一种化合物-靶蛋白绑定关系预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。