申请/专利权人:齐鲁工业大学(山东省科学院)
申请日:2024-01-16
公开(公告)日:2024-04-12
公开(公告)号:CN117877571A
主分类号:G16B15/30
分类号:G16B15/30;G16B30/00;G16B40/00;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了基于序列的药物‑靶点相互作用的预测方法及系统,属于药物靶点相互作用关系预测技术领域,本发明要解决的技术问题为如何提高药物‑靶点相互作用预测的准确性,技术方案为:获取待预测的药物SMILES序列和蛋白质的氨基酸序列;通过嵌入技术分别对药物SMILES序列和蛋白质的氨基酸序列进行编码,生成药物嵌入特征向量和蛋白质嵌入特征向量;将药物嵌入特征向量和蛋白质嵌入特征向量分别通过特征提取器生成药物表征特征和蛋白质表征特征;将药物表征特征和蛋白质表征特征通过相互作用块生成药物‑靶点相互作用表示特征向量,并获取药物和蛋白质的全局特征表示;将药物‑靶点相互作用表示特征向量通过全连接层获取药物‑靶点相互作用预测结果。
主权项:1.一种基于序列的药物-靶点相互作用的预测方法,其特征在于,该方法具体如下:获取待预测的药物SMILES序列和蛋白质的氨基酸序列;通过嵌入技术分别对药物SMILES序列和蛋白质的氨基酸序列进行编码,生成药物嵌入特征向量和蛋白质嵌入特征向量;其中,药物SMILES序列和蛋白质的氨基酸序列中的每个符号均被映射为固定长度的实值向量;将药物嵌入特征向量和蛋白质嵌入特征向量分别通过特征提取器生成药物表征特征和蛋白质表征特征;其中,特征提取器包括CNN块和TransformerCNN块;CNN块用于从药物嵌入特征向量中提取药物表征特征;TransformerCNN块用于从蛋白质嵌入向量中提取蛋白质表征特征;将药物表征特征和蛋白质表征特征通过相互作用块生成药物-靶点相互作用表示特征向量,并获取药物和蛋白质的全局特征表示;其中,相互作用块利用注意力机制将药物表征特征和蛋白质表征特征进行交互和融合,进而捕获药物表征特征和蛋白质表征特征之间的相互作用特征,并采用读取函数聚合蛋白质的氨基酸序列和药物SMILES序列中的隐藏状态,从而获取蛋白质和药物的全局特征表示;将药物-靶点相互作用表示特征向量通过全连接层获取药物-靶点相互作用预测结果;其中,全连接层进行特征映射和转换,并将相互作用特征转化为最终的药物-靶点相互作用预测结果。
全文数据:
权利要求:
百度查询: 齐鲁工业大学(山东省科学院) 基于序列的药物-靶点相互作用的预测方法及系统
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。