[發明專利]基于深度學習的藥物療效預測方法、裝置、設備以及存儲介質

在審

• 申請號: 202110592915.6
• 申請日: 2021-05-28
• 公開（公告）號: CN113299339A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 王俊
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16B15/30
• 分類號: G16B15/30;G16B25/10;G16B30/10;G16B40/00
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;宋慶洪

本發明提供了一種基于深度學習的藥物療效預測方法、裝置、設備以及存儲介質，其中，方法包括：獲取藥物對應的第一蛋白序列；對所述第一蛋白序列進行分割，得到多個第一子序列；分析每一個所述第一子序列，得到每一個第一文字表達；計算每一個所述第一文字表達與各所述第二文字表達的匹配度；基于所述匹配度確定所述藥物與所述靶向蛋白相匹配的作用靶點；基于各所述作用靶點預測所述藥物對所述靶向蛋白的藥物療效。本發明的有益效果：實現了快速對藥物的作用靶點實現了自動化檢測，并且還能對藥物療效進行預測，節省了實驗資源。

技術領域

本發明涉及數字醫療領域，特別涉及一種基于深度學習的藥物療效預測方法、裝置、設備以及存儲介質。

背景技術

藥物發現是確定具有潛在治療作用的新候選化合物的過程，而藥物分子和靶向蛋白質的相互作用(drug-target interactions,DTI)的預測，是藥物發現過程中必不可少的一步。然藥物分子的療效取決于它們對靶蛋白或受體的親和力。對靶蛋白沒有任何相互作用或親和力的藥物分子將不能提供治療反應。目前，藥物靶點相互作用DTI的實驗測定只能依靠人工測定，不僅費時又耗費資源。

發明內容

本發明的主要目的為提供一種基于深度學習的藥物療效預測方法、裝置、設備以及存儲介質，旨在解決藥物靶點相互作用DTI的實驗測定只能依靠人工測定，不僅費時又耗費資源的問題。

本發明提供了一種基于深度學習的藥物療效預測方法，應用于靶向蛋白，包括：

獲取藥物對應的第一蛋白序列；

對所述第一蛋白序列進行分割，得到對應所述第一蛋白序列的多個第一子序列，其中，每一個所述第一子序列的氨基酸分子的數量相同；

分析每一個所述第一子序列，得到每一個所述第一子序列對應的第一文字表達；

將每一個所述第一文字表達，以及所述靶向蛋白對應的每一個第二文字表達輸入至預先訓練好的word2vec模型中，得到每一個所述第一文字表達與各所述第二文字表達的匹配度；其中，所述第二文字表達通過將所述靶向蛋白的第二蛋白序列進行分割，得到對應所述第二蛋白序列的多個第二子序列，對所述第二蛋白進行分析，得到每一個所述第二子序列對應的第二文字表達；每一個所述第二子序列的氨基酸分子的數量相同，每一個第二文字表達對應的第二子序列為一個靶點；

基于所述匹配度確定所述藥物與所述靶向蛋白相匹配的作用靶點；

基于各所述作用靶點預測所述藥物對所述靶向蛋白的藥物療效。

本發明還提供了一種基于深度學習的藥物療效預測裝置，應用于靶向蛋白，包括：

獲取模塊，用于獲取藥物對應的第一蛋白序列；

分割模塊，用于對所述第一蛋白序列進行分割，得到對應所述第一蛋白序列的多個第一子序列，其中，每一個所述第一子序列的氨基酸分子的數量相同；

分析模塊，用于分析每一個所述第一子序列，得到每一個所述第一子序列對應的第一文字表達；

輸入模塊，用于將每一個所述第一文字表達，以及所述靶向蛋白對應的每一個第二文字表達輸入至預先訓練好的word2vec模型中，得到每一個所述第一文字表達與各所述第二文字表達的匹配度；其中，所述第二文字表達通過將所述靶向蛋白的第二蛋白序列進行分割，得到對應所述第二蛋白序列的多個第二子序列，對所述第二蛋白進行分析，得到每一個所述第二子序列對應的第二文字表達；每一個所述第二子序列的氨基酸分子的數量相同，每一個第二文字表達對應的第二子序列為一個靶點；

確定模塊，用于基于所述匹配度確定所述藥物與所述靶向蛋白相匹配的作用靶點；

預測模塊，用于基于各所述作用靶點預測所述藥物對所述靶向蛋白的藥物療效。