买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：一种基于层次图建模的蛋白质相互作用调节剂预测方法，它属于计算机与药物筛选的交叉技术领域。本发明解决了传统PPIM预测方法的准确率、效率低，以及复杂度高的问题。本发明利用图注意力网络在原子和官能团水平上学习给定化学结构的特征，克服了传统机器学习模型需要依赖人工筛选和提取分子特征的局限性，降低了预测方法的复杂度。并利用超图注意力网络聚集和转换两个层次的分子结构信息，克服了现有方法无法捕捉层次信息的问题。本发明通过捕获多尺度子结构模式，能够学习PPIM的有效表示，从而提高PPIM预测的准确性和效率，保证PPIM预测的有效性。本发明方法可以应用于蛋白质相互作用调节剂预测。

主权项：1.一种基于层次图建模的蛋白质相互作用调节剂预测方法，其特征在于，所述方法具体包括以下步骤：步骤一、分别为每个PPI家族构建PPI调节剂识别数据集和PPI调节剂效力预测数据集，并将构建的PPI调节剂识别数据集划分为训练集、验证集和测试集三部分，再将构建的PPI调节剂效力预测数据集划分为训练集、验证集和测试集三部分；步骤二、分别为靶向各个PPI家族的PPI调节剂识别数据集中的每个化合物生成原子级图和官能团级图；再分别为靶向各个PPI家族的PPI调节剂效力预测数据集中的每个PPI调节剂生成原子级图和官能团级图；步骤三、为各个PPI家族分别构建结构相同的层次超图注意力分类模型，再分别利用每个PPI家族的PPI调节剂识别训练集的原子级图和官能团级图对层次超图注意力分类模型进行训练，再利用验证集和测试集对训练的层次超图注意力分类模型进行验证和测试；步骤四、为各个PPI家族分别构建结构相同的层次超图注意力回归模型，再分别利用每个PPI家族的PPI调节剂效力预测训练集的原子级图和官能团级图对层次超图注意力回归模型进行训练，再利用验证集和测试集对训练的层次超图注意力回归模型进行验证和测试；步骤五、对于待识别的化合物，将待识别的化合物分别输入各个训练好的层次超图注意力分类模型，确定出待识别的化合物是否为某个PPI家族的调节剂，若待识别的化合物为某个PPI家族的调节剂且需要预测其调节效力，则再将该化合物输入该化合物对应的PPI家族的层次超图注意力回归模型，获得调节效力预测结果；若待识别的化合物为某个PPI家族的调节剂且不需要预测调节效力，则结束；若待识别的化合物不为某个PPI家族的调节剂，则结束；若已知某化合物为某个PPI家族的PPI调节剂且需要预测该PPI调节剂的调节效力，则直接将该PPI调节剂输入对应PPI家族的层次超图注意力回归模型，获得调节效力预测结果。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于层次图建模的蛋白质相互作用调节剂预测方法