[發明專利]構象預測方法

在審

• 申請號: 202211542147.4
• 申請日: 2022-12-02
• 公開（公告）號: CN115862729A
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 崔學峰;楊政和
• 申請（專利權）人: 聯泰集群（北京）科技有限責任公司
• 主分類號: G16B15/30
• 分類號: G16B15/30;G16B15/20;G16B40/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 李彩玲

本發明公開了一種構象預測方法。該方法包括獲取構象預測模型，并獲取待預測復合物結構數據；其中，待預測復合物結構數據包括配體結構數據和目標蛋白質結構數據；將配體結構數據和目標蛋白質結構數據輸入構象預測模型，獲取配體特征和目標蛋白質特征；對配體特征和目標蛋白質特征進行位置嵌入、交叉注意力和對連接操作，得到與配體特征和目標蛋白質特征匹配的對連接結果；根據對連接結果，預測配體結構數據和目標蛋白質結構數據的目標結合構象。本發明實施例的技術方案提供一種新的構象預測方法，學習到配體和目標蛋白質之間的形狀等重要特征，提高對結合構象的預測性能，有助于找到最優的結合構象。

技術領域

本發明涉及藥物設計技術領域，尤其涉及一種構象預測方法。

背景技術

在藥物設計領域，從數據庫中篩選與靶蛋白結合的候選分子并將其調整為最有利的結合構象是困難的。只有極小部分的分子，能夠與靶蛋白結合，并且產生有效的治療效果。解決這個問題的傳統方法分為兩類：實驗方法，計算方法。其中實驗方法，例如X射線衍射、核磁共振等方法。最近，低溫電子顯微鏡也成為觀察和理解分子間相互作用的重要方法。而計算方法與實驗方法相比，更高效，更方便。同時，計算方法還可以揭示一些潛在的生物學特性。

現有技術使用深度學習方法結合差分進化算法解決對接問題。已有的方法在速度性能有優勢，但是性能有待提升，缺點在于獨立地學習分子特征和結合口袋特征，忽略了分子和結合口袋之間的重要特征(例如，形狀互補)。

發明內容

本發明提供了一種構象預測方法，以提供一種新的構象預測方法，學習到配體和目標蛋白質之間的形狀等重要特征，提高對結合構象的預測性能，有助于找到最優的結合構象。

根據本發明的一方面，提供了一種構象預測方法，包括：

獲取構象預測模型，并獲取待預測復合物結構數據；其中，所述待預測復合物結構數據包括配體結構數據和目標蛋白質結構數據；

將所述配體結構數據和所述目標蛋白質結構數據輸入所述構象預測模型，獲取配體特征和目標蛋白質特征；

對所述配體特征和所述目標蛋白質特征進行位置嵌入、交叉注意力和對連接操作，得到與所述配體特征和所述目標蛋白質特征匹配的對連接結果；

根據所述對連接結果，預測所述配體結構數據和所述目標蛋白質結構數據的目標結合構象。

本發明實施例的技術方案，通過將待預測復合物結構數據中的配體結構數據和目標蛋白質結構數據輸入預先訓練的構象預測模型，獲取配體特征和目標蛋白質特征；對配體特征和目標蛋白質特征進行位置嵌入、交叉注意力和對連接操作，得到與配體特征和目標蛋白質特征匹配的對連接結果；根據對連接結果，預測配體結構數據和目標蛋白質結構數據的目標結合構象的技術手段，解決了現有技術獨立學習分子特征和結合口袋特征，忽略了分子和結合口袋之間的形狀等重要特征的問題，提供一種新的構象預測方法，學習到配體和目標蛋白質之間的形狀等重要特征，提高對結合構象的預測性能，有助于找到最優的結合構象。

應當理解，本部分所描述的內容并非旨在標識本發明的實施例的關鍵或重要特征，也不用于限制本發明的范圍。本發明的其它特征將通過以下的說明書而變得容易理解。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例提供的一種構象預測方法的流程圖；

圖2為本發明實施例提供的一種構象預測方法的具體應用示意流程圖。

具體實施方式