[發明專利]一種基于量子計算的配體-蛋白相互作用的預測方法

在審

• 申請號: 202210079577.0
• 申請日: 2022-01-24
• 公開（公告）號: CN114446383A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 朱欽圣;蔣欣睿;盧俊邑;殷浩;吳昊;胡勇;李曉瑜
• 申請（專利權）人: 電子科技大學
• 主分類號: G16B5/00
• 分類號: G16B5/00;G16B20/30;G16B40/00;G06N10/60;G16C20/50;G16C20/70
• 代理公司: 成都華風專利事務所(普通合伙) 51223
• 代理人: 張巨箭

本發明公開了一種基于量子計算的配體?蛋白相互作用的預測方法，屬于量子計算和計算生物學領域，包括：獲得配體藥物分子與蛋白分子的3D結構；使用量子隱馬爾可夫模型對蛋白分子的3D結構進行預測，得到蛋白分子上可能存在的結合位點；將配體藥物分子與結合位點對接，并使用量子卷積神經網絡提取影響配體?蛋白對接的特征；根據影響配體?蛋白對接的特征對對接過程進行打分，預測得到配體?蛋白相互作用的效果。本發明基于量子卷積神經網絡描述分子對接的相關信息，使用量子隱馬爾可夫模型預測受體蛋白上可能存在的結合位點，實現分子對接和蛋白質結構的同步預測，同時將量子計算與生物醫藥領域結合，解決蛋白質3D結構預測的困難。

技術領域

本發明涉及量子計算和計算生物學領域，尤其涉及一種基于量子計算的配體-蛋白相互作用的預測方法。

背景技術

量子計算作為一種近幾十年來的新興技術，已經在金融、化學、生物、制藥以及材料等領域取得到了應用。在經典機器學習中，卷積神經網絡和隱馬爾可夫模型都具有十分重要的地位，在多個領域都有著無法撼動的地位。隨著量子計算機的出現，量子計算的潛能也逐漸被發掘出來，將這些經典的算法量子化，既有現實意義又有實用價值。量子卷積神經網絡是近幾年被提出來的，其在圖像處理方面有巨大的潛力且不會出現貧瘠高原現象；經典隱馬爾可夫在分子結構預測方面已有成效，其對應的量子隱馬爾可夫與經典類似，在結構預測方面頗有潛力。

在生物制藥領域，一種新藥的發現由幾個部分組成，首先要確定藥物作用的靶點，然后根據這個靶點的空間結構設計或這搜索有效的化合物分子，最后再逐一測試這些被篩選出來的化合物分子的理化性質，代謝性質以及毒理性質，選出滿足要求的藥物，進入臨床前研發。這些過程是昂貴且復雜的，涉及到大量的分子數據，這對經典計算機來說是一個巨大的負擔。此外，受體蛋白表面的拓撲非常復雜、多樣，物理化學性質也不同，能夠與小分子藥物結合并能產生生物效應的位置只占極小一部分，找到受體蛋白的合適的結合位點變得十分困難。

因此，借助量子計算的加速優勢開發一種算法來預測這些靶點以及潛在的有效藥物分子是十分必要的。

目前，國內外有很多企業開設了分子對接服務，用于預測配體和受體之間的相互作用，包括其結合模式和結合親和力。藥物設計涉及分子對接技術，借助計算機進行輔助，使用線性回歸、機器學習、神經網絡或其他統計技術，通過使實驗親和力適合計算得出的小分子與目標之間的相互作用。這種方法將能夠在合成化合物之前預測親和力，因此理論上僅需要合成一種化合物，從而節省了大量時間和成本，具有巨大的應用前景。在配體與受體結合方式預測研究方面，已經有人研究使用卷積神經網絡預測藥物-蛋白的相互作用，具有一定的可行性，但該研究僅僅是在已知結合位點情況下進行的。由于蛋白質體積大，空間結構復雜，傳統的計算機很難基于其3D空間結構進行研究預測。

發明內容

本發明的目的在于解決傳統計算機不能解決的大計算量以及蛋白質體積大、空間結構復雜、預測困難的問題，我們將量子計算引入配體-蛋白的相互作用預測的研究上，借助量子計算的加速優勢，實現對配體-蛋白相互作用和蛋白質結合位點的同步預測。

本發明的目的是通過以下技術方案來實現的：

提供一種基于量子計算的配體-蛋白相互作用的預測方法，所述方法包括：

獲得配體藥物分子與蛋白分子的3D結構；

使用量子隱馬爾可夫模型對所述蛋白分子的3D結構進行預測，得到蛋白分子上可能存在的結合位點；

將所述配體藥物分子與所述結合位點對接，并使用量子卷積神經網絡提取影響配體-蛋白對接的特征；

根據所述影響配體-蛋白對接的特征對對接過程進行打分，預測得到配體-蛋白相互作用的效果。

具體地，所述獲得配體藥物分子與蛋白分子的3D結構，包括：

借助X射線晶體學或NMR光譜學方法獲得蛋白分子的三維晶體結構；