[發明專利]構建多肽分子的方法和電子設備

在審

• 申請號: 202111467002.8
• 申請日: 2021-12-03
• 公開（公告）號: CN114155909A
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 王丹青;文澤宇;李磊;周浩
• 申請（專利權）人: 北京有竹居網絡技術有限公司
• 主分類號: G16B15/20
• 分類號: G16B15/20;G16B50/00
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 馬明月

1.一種用于構建多肽分子的方法，包括：

獲取生成模型的一組編碼表，所述一組編碼表包括多個離散的編碼表示，所述生成模型包括第一解碼器和第二解碼器，所述一組編碼表用于構建到所述第一解碼器的第一輸入和到所述第二解碼器的第二輸入，所述第一解碼器用于基于所述第一輸入確定多肽分子的二級結構，所述第二解碼器用于基于所述第二輸入確定所述多肽分子的氨基酸序列；

基于所述一組編碼表中的所述多個離散編碼表示，構建第一特征表示和第二特征表示；

利用所述第一解碼器，根據所述第一特征表示確定目標多肽分子的目標二級結構；以及

利用所述第二解碼器，根據所述第二特征表示確定所述目標多肽分子的目標氨基酸序列。

2.根據權利要求1所述的方法，其中所述一組編碼表包括多個編碼表，每個編碼表包括一組離散的編碼表示。

3.根據權利要求2所述的方法，其中構建所述第一特征表示和所述第二特征表示包括：

確定索引序列，所述索引序列包括多個索引值，每個索引值指示對應的編碼表中被選擇的目標離散編碼表示；以及

基于所述多個編碼表中被選擇的多個目標離散編碼表示，構建所述第一特征表示和所述第二特征表示。

4.根據權利要求3所述的方法，其中基于所述多個編碼表中被選擇的多個目標離散編碼表示構建所述第一特征表示和所述第二特征表示包括：

基于所述多個目標離散編碼表示中的第一組離散編碼表示，構建所述第一特征表示；以及

基于所述多個目標離散編碼表示中的第二組離散編碼表示，構建所述第二特征表示，所述第一組離散編碼表示不同于所述第二組離散編碼表示。

5.根據權利要求3所述的方法，其中確定索引序列包括：

利用隨機序列生成模型確定所述索引序列，所述隨機序列生成模型是針對一組訓練多肽分子的一組訓練索引序列而被訓練的，所述一組訓練索引序列指示所述多個編碼表中被選擇的離散編碼表示。

6.根據權利要求1所述的方法，其中利用所述第二解碼器根據所述第二特征表示確定所述目標多肽分子的目標氨基酸序列包括：

確定所述目標二級結構是否滿足結構約束，所述結構約束包括以下至少一項：關于所述二級結構中無規則卷曲的占比的約束，或者關于所述二級結構中阿爾法螺旋的長度的約束；以及

響應于確定所述目標二級結構滿足所述結構約束，利用所述第二解碼器以根據所述第二特征表示確定所述目標多肽分子的目標氨基酸序列。

7.根據權利要求6所述的方法，還包括：

響應于確定所述目標二級結構滿足所述結構約束，基于所述一組編碼表中的所述多個離散編碼表示，構建新的第一特征表示和新的第二特征表示。

8.根據權利要求1所述的方法，其中一組編碼表包括多個編碼表，并且所述生成模型基于以下過程而被訓練：

利用所述生成模型的編碼器確定與訓練多肽分子中的一組氨基酸對應的一組氨基酸特征表示；

根據所述一組氨基酸特征表示，生成與多個氨基酸序列長度對應的多個組合特征表示；

利用與所述多個氨基酸序列長度對應的所述多個編碼表，更新所述多個組合特征表示；以及

基于經更新的所述多個組合氨基酸特征表示，確定用于訓練所述生成模型的損失函數。

9.根據權利要求8所述的方法，其中根據所述一組氨基酸特征表示生成與多個氨基酸序列長度對應的多個組合特征表示包括：

針對所述多個氨基酸序列長度中的第一長度，

基于所述一組氨基酸，確定與所述第一長度匹配的一組子氨基酸序列；以及

利用一組氨基酸特征表示，確定與所述一組子氨基酸序列對應的組合特征表示。

10.根據權利要求8所述的方法，其中所述損失函數包括與所述第一解碼器相關聯的第一部分、與所述第二解碼器相關聯的第二部分，和與利用所述多個編碼表的所述更新相關聯的第三部分。