申请/专利权人：北京悦康科创医药科技股份有限公司

申请日：2024-03-26

公开（公告）日：2024-06-25

公开（公告）号：CN117951649B

主分类号：G06F18/25

分类号：G06F18/25;G06F18/213;G06F18/214;G16B15/30

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明涉及生物医药技术领域，公开了一种多肽与受体结合活性预测模型的训练方法、装置及设备，该方法包括：获取第一样本多肽序列和第一样本受体序列；针对每一对第一样本多肽序列和第一样本受体序列，获取对应的第一序列信息对、第一结构信息对和第一活性标注值；将第一序列信息对和第一结构信息对，输入至第一活性预测模型，得到第一预测结果，并利用第一活性标注值和第一预测结果对第一活性预测模型的参数进行调整得到第二活性预测模型；获取多对第二样本多肽序列和第二样本受体序列，以及对应的第二活性标注值，对第二活性预测模型进行训练得到第三活性预测模型。本发明能够提升多肽与受体结合活性的预测准确率。

主权项：1.一种多肽与受体结合活性预测模型的训练方法，其特征在于，所述方法包括：获取多对第一样本多肽序列和第一样本受体序列；针对每一对所述第一样本多肽序列和所述第一样本受体序列，分别获取对应的第一序列信息对、第一结构信息对和第一活性标注值；将所述第一样本多肽序列和所述第一样本受体序列对应的所述第一序列信息对和所述第一结构信息对，输入至第一活性预测模型，得到第一预测结果，并利用所述第一活性标注值和所述第一预测结果对所述第一活性预测模型的参数进行调整得到第二活性预测模型；获取多对第二样本多肽序列和第二样本受体序列，以及对应的第二活性标注值，对所述第二活性预测模型进行训练得到第三活性预测模型；所述针对每一对所述第一样本多肽序列和所述第一样本受体序列，获取对应的第一序列信息对，包括：针对每一对所述第一样本多肽序列和所述第一样本受体序列，若所述第一样本多肽序列包括修饰基团，将所述修饰基团切分为修饰基团词元，并替换为预设字符，对所述第一样本多肽序列中的除所述修饰基团以外的其它部分进行词元切分；将对所述第一样本多肽序列进行切分得到的词元和所述预设字符替换为对应的第一预设数值，得到第一样本多肽序列信息；对所述第一样本受体序列进行词元切分，并将切换得到的词元替换为对应的第二预设数值，得到第一样本受体序列信息；将所述第一样本多肽序列信息和所述第一样本受体序列信息拼接，得到所述第一序列信息对；所述针对每一对所述第一样本多肽序列和所述第一样本受体序列，获取对应的第一结构信息对，包括：针对每一对所述第一样本多肽序列和所述第一样本受体序列，利用人工智能模型获取所述第一样本多肽序列的结构图、所述第一样本受体序列的结构图；基于所述第一样本多肽序列的结构图和所述第一样本受体序列的结构图，得到所述第一结构信息对；所述第一活性预测模型包括序列特征提取模块、结构特征提取模块和组合模块；所述将所述第一样本多肽序列和所述第一样本受体序列对应的所述第一序列信息对和所述第一结构信息对，输入至第一活性预测模型，得到第一预测结果，包括：利用所述序列特征提取模块对所述第一序列信息对进行特征提取，得到序列对特征；利用所述结构特征提取模块对所述第一结构信息对进行特征提取，得到结构对特征；利用所述组合模块，根据所述序列对特征和所述结构对特征，输出所述第一预测结果；所述将所述第一样本多肽序列和所述第一样本受体序列对应的所述第一序列信息对和所述第一结构信息对，输入至第一活性预测模型，得到第一预测结果，包括：将多对所述第一序列信息对和所述第一结构信息对划分为K个不重叠的子集；将其中一个所述子集作为测试集、其它的K-1个所述子集作为训练集，将所述训练集中的所述第一样本多肽序列和所述第一样本受体序列对应的所述第一序列信息对和所述第一结构信息对，输入至所述第一活性预测模型，得到第一预测结果；所述测试集中的所述第一样本多肽序列和所述第一样本受体序列对应的所述第一序列信息对和所述第一结构信息对，用于对所述第一活性预测模型进行评估；更换作为测试集的所述子集、其它的K-1个所述子集作为训练集，直至训练K次，并得到K个模型评估值。

全文数据：

权利要求：

百度查询： 北京悦康科创医药科技股份有限公司 多肽与受体结合活性预测模型的训练方法、装置及设备

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD