申请/专利权人:湖南工业大学
申请日:2023-12-01
公开(公告)日:2024-03-22
公开(公告)号:CN117746990A
主分类号:G16B40/00
分类号:G16B40/00;G16C20/70;G16C20/50;G16B15/30;G16B30/00;G06N3/042;G06N3/0464;G06N3/0455;G06F18/25;G06F18/2415
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明公开了一种基于双向Intention网络的药物‑靶标相互作用预测方法。本发明分别使用图卷积网络对药物特征进行编码,以及融合自注意力机制和卷积的融合体ACmix对蛋白质特征进行编码,得到药物分子的特征和蛋白靶标的特征,使用双向Intention网络融合药物和蛋白质特征,基于融合的药物‑靶标特征向量,通过多层感知器对未知的药物‑靶标对进行分类,得到预测结果。本发明增强了药物和蛋白质的特征表示,有效地学习药物与蛋白质间的交互特征,有效的融合药物和蛋白质特征,提高了模型的可解释性和泛化能力,解决了药物‑靶标相互作用预测过程中药物和蛋白质二者特征的融合不够完善的问题。
主权项:1.一种基于双向Intention网络的药物-靶标相互作用预测方法,其特征在于,步骤包括:S1.基于药物SMILES序列获得2维药物分子图,并对药物分子图特征进行编码,得到药物分子的特征矩阵Hg;S2.根据蛋白质的氨基酸序列,并编码蛋白质特征,获得蛋白靶标的特征矩阵,表示为:Hp=αYconv+βYatt,α,β为可学习权重;S3.使用双向Intention网络融合药物和蛋白质特征,并将药物-靶标对表征为特征向量,表示为:fdp=Concatmaxpoolingfd,maxpoolingft,fdp∈R2dim,fd为融合药物特征后的蛋白质特征矩阵,ft为融合蛋白质特征后的药物特征矩阵;S4.基于融合的药物-靶标特征向量,通过多层感知器对未知的药物-靶标对进行分类,得到预测结果: p为药物-靶标相互作用的概率,δ为分类阈值。
全文数据:
权利要求:
百度查询: 湖南工业大学 一种基于双向Intention网络的药物-靶标相互作用预测方法
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。