[發明專利]一種共價結合預測方法及裝置

在審

• 申請號: 202110650884.5
• 申請日: 2021-06-10
• 公開（公告）號: CN113488112A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 胡立釗;嚴鑫;徐峻
• 申請（專利權）人: 五邑大學
• 主分類號: G16C20/30
• 分類號: G16C20/30;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;顏希文

本發明公開了一種共價結合預測方法及裝置，所述方法包括：先將輸入模型的分子編碼序列轉換為隱藏層矩陣后，繼而根據所述隱藏層矩陣得到自注意分子嵌入矩陣；再將所述自注意分子嵌入矩陣與全連接層組合后進行共價結合預測，得到預測結果。采用本發明實施例提高了共價結合預測的準確率，能夠通過自注意機制權重來解釋模型。

技術領域

本發明涉及深度學習技術領域，尤其涉及一種共價結合預測方法及裝置。

背景技術

共價結合預測模型可以應用在開發和篩選共價結合藥物上，通過篩選數據庫中小分子能否與目標蛋白發生共價結合，來減少需要做實驗的成本。

現有技術中SVM共價結合預測模型的使用需要提供化學描述符，而化學描述符是通過人工挑選后輸入模型的，所以人為干擾因素大，共價結合預測的準確率不高，而且無法從共價原理上解釋模型。

發明內容

本發明實施例提供一種共價結合預測方法及裝置，提高了共價結合預測的準確率，能夠通過自注意機制權重來解釋模型。

本申請實施例的第一方面提供了一種共價結合預測方法，包括：

獲取分子編碼序列；其中，分子編碼序列包括：小分子SMILES編碼序列和蛋白質編碼序列；

將分子編碼序列輸入共價結合預測模型中，以使共價結合預測模型進行共價結合預測，得到預測結果；其中，共價預測模型用于根據分子編碼序列生成隱藏層矩陣，繼而根據隱藏層矩陣得到自注意分子嵌入矩陣，并將自注意分子嵌入矩陣與全連接層組合后進行共價結合預測。

在第一方面的一種可能的實現方式中，根據分子編碼序列生成隱藏層矩陣，具體為：

使用BiLSTM對分子編碼序列進行處理，得到多個隱藏層向量；

建立多個隱藏層向量中的依賴關系后按照時間順序排列多個隱藏層向量，得到隱藏層矩陣。

在第一方面的一種可能的實現方式中，根據隱藏層矩陣得到自注意分子嵌入矩陣，具體為：

將隱藏層矩陣輸入自注意機制中，得到權重向量；

將權重向量輸入多頭自注意機制中，得到權重矩陣；

權重矩陣與隱藏層矩陣相乘后得到自注意分子嵌入矩陣。

本申請實施例的第二方面提供了一種共價結合預測裝置，包括：獲取模塊和預測模塊；

其中，獲取模塊用于將輸入模型的分子編碼序列轉換為隱藏層矩陣后，繼而根據隱藏層矩陣得到自注意分子嵌入矩陣；

預測模塊用于將自注意分子嵌入矩陣與全連接層組合后進行共價結合預測，得到預測結果。

在第二方面的一種可能的實現方式中，根據分子編碼序列生成隱藏層矩陣，具體為：

使用BiLSTM對分子編碼序列進行處理，得到多個隱藏層向量；

建立多個隱藏層向量中的依賴關系后按照時間順序排列多個隱藏層向量，得到隱藏層矩陣。

在第二方面的一種可能的實現方式中，根據隱藏層矩陣得到自注意分子嵌入矩陣，具體為：

將隱藏層矩陣輸入自注意機制中，得到權重向量；

將權重向量輸入多頭自注意機制中，得到權重矩陣；

權重矩陣與隱藏層矩陣相乘后得到自注意分子嵌入矩陣。