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：石家庄鲜虞数字生物科技有限公司

摘要：本发明公开了一种基于深度学习的配体‑受体复合物构象亲和力预测方法，包括以下步骤：得到原子间的相互作用力特征；基于原子特征、原子间距离将复合物中原子的邻域特征进行聚合，将配体原子、受体原子以及原子间的相互作用力共同或分别构造图结构数据；将图结构数据输入到搭建的图卷积神经网络模型，通过监督学习的方式训练模型；利用包括蛋白质结构先验知识、迁移训练技术提升模型的泛化能力；利用已训练好的模型对新的配体‑受体复合物构象进行亲和力预测。本发明利用配体、受体的原子特征，原子间的相互作用力特征多维数据进行图卷积神经网络模型的构建，令预测值更接近实际的数据，精度更高。本发明适用于对任意配体‑受体进行亲和力预测。

主权项：1.一种基于深度学习的配体-受体复合物构象亲和力预测方法，其特征在于，它包括依次进行的以下步骤：S1、利用配体-受体复合物构象信息对原子信息进行处理，得到包括配体、受体的原子特征，原子间的相互作用力特征；本步骤中由数据库中获取配体-受体复合物晶体结构，得到复合物构象信息；本步骤中处理后的原子信息包括原子类型、原子电荷数、电子轨道杂化方式、原子化合价，原子的度，原子连接氢的个数，原子手性，原子芳香性、原子是否属于蛋白质；S2、基于原子特征、原子间距离将复合物中原子的邻域特征进行聚合，将配体原子、受体原子以及原子间的相互作用力共同或分别构造图结构数据；本步骤中使用配体化合物原子特征、受体蛋白质或核酸的原子特征作为图的节点，使用原子间的相互作用力特征作为边构建图结构数据；S3、将图结构数据输入到搭建的图卷积神经网络模型，通过监督学习的方式训练模型；本步骤中的图卷积神经网络模型包括由上至下依次设置的输入层、隐藏层、输出层，其中隐藏层包括由上至下依次设置的卷积模块、池化模块、全连接模块，所述卷积模块包括由上至下依次设置的2-5层卷积层、归一化层、RELU激活层，所述卷积层对图结构数据进行变化得到节点特征，将节点和边的特征进行聚合，全连接模块进行非线性变换，对得到的能量进行求和得到模型输出；本步骤中通过构建损失函数对图卷积神经网络模型进行监督训练，所述构建的损失函数为：EW,b＝LMSE+λΩW，其中，LMSE为均方误差损失，ΩW为正则项；所述LMSE通过以下公式获得：式中yi表示样本的真实亲和力值，表示模型预测的亲和力值；S4、利用包括蛋白质结构先验知识、迁移训练技术提升模型的泛化能力；S5、利用已训练好的模型对新的配体-受体复合物构象进行亲和力预测。

全文数据：

权利要求：

百度查询： 石家庄鲜虞数字生物科技有限公司 基于深度学习的配体-受体复合物构象亲和力预测方法