[發明專利]一種基于評分器和動態圖網絡的分子對接方法

在審

• 申請號: 202210226317.1
• 申請日: 2022-03-09
• 公開（公告）號: CN114758725A
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 鄧岳;郭弢
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G16B40/00
• 分類號: G16B40/00;G16B15/30;G06N3/04;G06N3/08
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 姜海榮;肖莎

1.一種基于評分器和動態圖網絡的分子對接方法，其特征在于，包括以下步驟：

S1、構建預測器的圖神經網絡，即定義節點特征及邊特征；

S2、對上述構建的預測器的圖神經網絡進行更新；

S3、基于預測器對親和力進行預測；

S4、構建及訓練預測器的損失函數；

S5、構建生成器，對數似然函數進行定義；

S6、基于生成器對數似然函數的梯度進行預測；

S7、對生成器進行訓練，基于朗之萬采用進行構象優化；

S8、基于預測器及生成器，完成分子對接。

2.根據權利要求1所述的一種基于評分器和動態圖網絡的分子對接方法，其特征在于，所述步驟S1具體包括：

S11、對配體原子和口袋原子的特征進行編碼，編碼形式為：

v_i＝(a_i，c_i，h_i)

其中，i為原子對應的序號，a_i為原子在元素周期表中對應的序號，c_i表征次原子是否屬于配體原子，若是，則c_i＝1，若否，則c_i＝0，h_i表征遠在是否為氫鍵供體，若是，則h_i＝1，若否，則h_i＝0；

S12、判斷兩原子之間距離是否小于若是，則將二者用邊連接，表示其間存在相互作用，對上述定義的邊特征進行編碼，編碼形式為：

e_ij＝(b_ij，d_ij)

其中，i，j為此邊連接的兩個原子，b_ij為邊的類型，大π鍵、單鍵、雙鍵、三鍵、認為連接的情況分別對應b_ij＝0，1，2，3，d_ij＝||x_i-x_j||為邊的長度，x_i，x_j為兩原子對應的三維坐標，由此得到圖結構其中代表上述每一個節點v_i的集合；ε代表上述每一條邊e_ij的集合。

3.根據權利要求1所述的一種基于評分器和動態圖網絡的分子對接方法，其特征在于，所述步驟S2具體包括：

S21、基于步驟S1、對預測器的圖神經網絡進行更新，更新公式為：

其中，j為與節點i相鄰的節點的序號，為上一次更新的節點的隱藏狀態，e_ij為邊的特征，FNN(·)為兩層全連接網絡；

S22、上述圖神經網絡的更新，得到每一個節點的最終隱藏狀態，將完整的更新過程記為：

其中，N為所有的節點數，為原子的隱藏狀態，為圖結構，MPN(·)為圖神經網絡的更新方式。

4.根據權利要求1所述的一種基于評分器和動態圖網絡的分子對接方法，其特征在于，所述步驟S3具體包括：

S31、對所有的原子狀態取平均，得到整張圖的隱藏狀態：

S32、基于圖隱藏狀態h，將其通過三個全連接層得到預測的親和力K_pred：

K_pred＝FFN(h)。

5.根據權利要求1所述的一種基于評分器和動態圖網絡的分子對接方法，其特征在于，所述步驟S4具體包括：

選取數據集，獲取對接構象及對應的親和力分數，即解離常數K_d，將預測的親和力與真實的親和力分數的方差作為損失函數loss：

loss＝(K_d-K_pred)²

基于梯度下降的方法調整模型參數，使得損失值最小，完成預測器的訓練。