申请/专利权人：深圳大学

申请日：2024-01-22

公开（公告）日：2024-04-30

公开（公告）号：CN117953961A

主分类号：G16B15/30

分类号：G16B15/30;G16B40/00;G06N3/042;G06N3/0442;G06N3/045

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明提供一种基于双线性注意力网络的蛋白质与配体结合姿势预测方法，构建了一个能够捕获蛋白质与配体之间交互作用并且保持分子中物理化学约束的数学模型，通过使用双线性注意力网络来学习蛋白质和配体的深层交互作用，并通过三角约束模型将物理约束建模到模型中来辅助蛋白质与配体的特征学习，另外，由于交互信息中包含蛋白质和配体的信息，本发明使用门自注意力机制来从交互特征中学习单独的蛋白质和配体的信息，在蛋白质与配体对接姿势预测任务中取得了良好的性能，并提高了蛋白质与配体特征学习的可解释性；相比于现有的技术，本发明能够提升蛋白质与配体对接姿势预测的性能和鲁棒性，从而为药物开发提供建议与参考。

主权项：1.一种基于双线性注意力网络的蛋白质与配体结合姿势预测方法，其特征在于，包括以下步骤：S1：获取蛋白质初始信息和配体初始信息；所述蛋白质初始信息包括：蛋白质的分子图和蛋白质的原子化学特征；所述配体初始信息包括：配体的分子图和配体的原子化学特征；S2：分别对所述蛋白质初始信息和配体初始信息进行特征提取，对应获取蛋白质的原子嵌入和配体的原子嵌入；S3：将所述蛋白质的原子嵌入和配体的原子嵌入共同输入预先训练好的双线性注意力网络中，获取蛋白质与配体的深层交互特征；S4：对所述蛋白质与配体的深层交互特征添加三角物理约束，获取添加三角物理约束后的交互特征；S5：将所述添加三角物理约束后的交互特征输入预先训练好的门自注意力网络中进行信息提取，获取蛋白质提取信息、配体提取信息，以及蛋白质与配体的交互提取信息；S6：重复若干次步骤S4～S5，将最后一次获取的蛋白质提取信息、配体提取信息、蛋白质与配体的交互提取信息，以及蛋白质的原子嵌入和配体的原子嵌入共同进行双线性信息融合，获取融合特征；S7：根据所述融合特征计算蛋白质与配体的距离矩阵，以及蛋白质与配体结合的置信度；S8：获取蛋白质表面若干个用于与配体结合的结合口袋，根据所述蛋白质与配体结合的置信度获取最优的结合口袋，并根据所述蛋白质与配体的距离矩阵获取蛋白质与配体的对接姿势，完成蛋白质与配体结合姿势的预测。

全文数据：

权利要求：

百度查询： 深圳大学 基于双线性注意力网络的蛋白质与配体结合姿势预测方法

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。

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