[發(fā)明專利]一種用于治療藥物成癮的藥物靶點結(jié)合能力測試方法

有效

• 申請?zhí)枺?/td>: 202110590269.X
• 申請日: 2021-05-28
• 公開（公告）號: CN113284553B
• 公開（公告）日: 2023-01-10
• 發(fā)明（設(shè)計）人: 胡貞貞;邱天云;王勇勝;盧明芬
• 申請（專利權(quán)）人: 南昌大學
• 主分類號: G16B20/30
• 分類號: G16B20/30;G16B15/30;G16B5/00;G06N3/04
• 代理公司: 武漢仁合利泰專利代理事務所(特殊普通合伙) 42275
• 代理人: 任飛

1.一種用于治療藥物成癮的藥物靶點結(jié)合能力測試方法，其特征在于：包括以下步驟：

步驟1：獲取成癮藥物化合物和靶點蛋白質(zhì)數(shù)據(jù)；

步驟2：對成癮藥物化合物和靶點蛋白質(zhì)數(shù)據(jù)進行處理；

步驟3：分別對成癮藥物化合物和靶點蛋白質(zhì)的特性進行提??；

步驟4：對成癮藥物化合物和靶點蛋白質(zhì)進行結(jié)合，獲取成癮藥物與靶點蛋白的融合數(shù)據(jù)；

步驟5：基于二維指紋的深度神經(jīng)網(wǎng)絡(luò)評估治療藥物特性并進行篩選；

步驟6：建立MathPose和MathDL模型進行結(jié)合能力測試；

所述步驟1中分別通過Enamine REAL數(shù)據(jù)庫和PDB數(shù)據(jù)庫獲取成癮藥物化合物和靶點蛋白質(zhì)的數(shù)據(jù)；

所述步驟2中利用分子的SMILES編碼對成癮藥物化合物進行編碼，并且以成癮藥物化合物的編碼為標記編碼；

所述步驟5包括以下步驟：

步驟5.1：以成癮藥物化合物SMILES編碼生成新的SMILES字符串，SMILES字符串被基于GRU的編碼器編碼為隱空間向量，生成的類藥物分子向量被解碼為SMILES字符串；

步驟5.2：基于二維指紋的多任務深度神經(jīng)網(wǎng)絡(luò)驗證這些SMILES字符串的物理特性并進行篩選；

所述步驟6包括以下步驟：

步驟6.1：通過MathPose預測基于二維指紋的多任務深度神經(jīng)網(wǎng)絡(luò)選擇的復合物的三維結(jié)構(gòu)信息；

步驟6.2：通過MathDL預測MathPose生成的三維復合物的生物活性，將有希望的候選藥物輸入MathPose單元來生成3D結(jié)構(gòu)；

步驟6.3：然后由MathDL進一步驗證，以選擇最終的候選藥物；

步驟6.4：最后對治療藥物與靶點蛋白質(zhì)的結(jié)合能力進行測試；

所述步驟3包括以下步驟：

步驟3.1：構(gòu)建成癮藥物化合物的CNN模型，將標記編碼輸入CNN模型中，提取成癮藥物化合物的特征向量X，得到化合物的分子表示；

步驟3.2：構(gòu)建靶點蛋白的LSTM模型，提取靶點蛋白的特征向量Y；

所述步驟4包括以下步驟：

步驟4.1：將癮藥物化合物的特征向量X和靶點蛋白質(zhì)的特征向量Y進行結(jié)合；

步驟4.2：構(gòu)建融合后的LSTM模型，提取融合后的蛋白質(zhì)特征向量XY；

所述步驟4中通過串聯(lián)規(guī)則將成癮藥物化合物分子指紋特征向量X(x1、x2...xn)和蛋白質(zhì)序列特征向量Y(y1、y2...yn)進行同一規(guī)則拼接，獲得藥物靶點融合特征數(shù)據(jù)XY(x1y1、x2y2...xnyn)；

所述步驟6.4包括以下步驟：

步驟6.4.1：對治療藥物化合物分子進行數(shù)值化處理，獲取治療藥物化合物分子指紋特征向量Z；

步驟6.4.2：通過串聯(lián)規(guī)則將藥物靶點融合特征數(shù)據(jù)XY(x1y1、x2y2...xnyn)與治療藥物化合物分子指紋特征向量Z進行同一規(guī)則拼接，獲得治療藥物靶點融合特征數(shù)據(jù)XYZ(x1y1 Z1、x2y2Z2...xnynZn)；

步驟6.4.3：將治療藥物靶點融合特征數(shù)據(jù)XYZ輸入卷積神經(jīng)網(wǎng)絡(luò)。

2.根據(jù)權(quán)利要求1所述的一種用于治療藥物成癮的藥物靶點結(jié)合能力測試方法，其特征在于：所述步驟6.4.3具體包括對治療藥物靶點融合特征數(shù)據(jù)XYZ進行訓練生成分類器模型，利用反向傳播、梯度下降方法調(diào)整分類器網(wǎng)絡(luò)權(quán)值，然后獲取最終結(jié)合能力測試結(jié)果。