The invention discloses a drug ligand molecular fingerprint generation method based on Hash depth screening, first generation molecular structure of the image file, and then define the paired labeled ligand molecules on the training, the depth of DPSH hash learning model, finally forecast the new molecular fingerprint ligands. The invention converts the ligand molecular structure formula into an image file, and uses the depth hashing algorithm to optimize the target loss function, and automatically generates the molecular fingerprint. The invention realizes the first \end to end\ molecular fingerprint generation framework, and does not need to manually extract features, and solves the problem that the molecular fingerprint generation method needs developers to have a deeper understanding of the domain knowledge. The present invention provides a general framework for the generation of molecular fingerprints from a completely new angle, and is an important supplement to the existing molecular fingerprint generation methods, and will further promote the application of molecular fingerprints in drug screening.
【技术实现步骤摘要】
药物筛选中基于深度哈希的配体分子指纹生成方法
本专利技术涉及一种药物筛选中基于深度哈希的配体分子指纹生成设计方法,属于计算机辅助药物设计的
技术介绍
分子指纹(MolecularFingerprint)将化学分子表示成“位串”(bitstring),用于刻画化学分子的结构或功能相似性,由于其使用的简便性以及在子结构和相似性搜索中的高效性,在药物发现和虚拟筛选中得到了广泛应用。目前,已经提出了很多的分子指纹生成方法,不同的方法反映了分子不同方面的信息。分子指纹生成方法主要包括:基于关键子结构的分子指纹生成方法、基于路径的分子指纹生成方法、环形指纹生成方法、药效团指纹生成方法和混合指纹生成方法等。基于关键子结构的分子指纹生成方法根据是否存在给定列表中的子结构将化学分子表示成位串,如MACCS、PubChem等。基于路径的分子指纹生成方法根据分子的拓扑结构,顺着分子化学键的不同路径产生子结构,并哈希产生分子位串,其长度可变,可用于快速子结构搜索,如Daylight指纹和OpenEye树形指纹。环形指纹生成方法利用分子的拓扑结构,考虑每个原子的周边原子和键的信息生成位串,已为广泛应用于分子的整体结构相似性搜索,如Molprint2D、ECFP、FCFP等。药效团指纹生成方法,它与基于关键子结构的指纹相似,但它除了考虑与药效相关的关键子结构,还考虑了这些子结构间的距离因素。混合指纹生成方法同时结合上述多种分子指纹信息,如UNITY2G同时考虑了关键子结构和子结构连接路径信息。除了上述分子指纹生成方法,最近还有不少全新的方法涌现。例如,LINGO为基于文本的 ...
【技术保护点】
一种药物筛选中基于深度哈希的配体分子指纹生成设计方法,其特征在于,所述方法包括如下步骤:步骤1:生成分子结构式图像文件;步骤2:定义配体分子对的配对标记;步骤3:训练DPSH深度哈希学习模型;步骤4:预测新配体分子的分子指纹。
【技术特征摘要】
1.一种药物筛选中基于深度哈希的配体分子指纹生成设计方法,其特征在于,所述方法包括如下步骤:步骤1:生成分子结构式图像文件;步骤2:定义配体分子对的配对标记;步骤3:训练DPSH深度哈希学习模型;步骤4:预测新配体分子的分子指纹。2.根据权利要求1所述的一种药物筛选中基于深度哈希的配体分子指纹生成设计方法,其特征在于,步骤1通过现有分子软件读取配体分子SMILES,并调用软件中的构图函数,生成固定尺寸为300*300像素的配体分子结构式图像文件,用于表示配体分子的结构特征。3.根据权利要求1所述的一种药物筛选中基于深度哈希的配体分子指纹生成设计方法,其特征在于,如果两配体分子与共同的药物靶标作用,则两分子之间的配对标记为1;若两分子分别与不同的药物靶标作用,则两分子之间的配对标记为0,...
【专利技术属性】
技术研发人员:吴建盛,尹新宇,胡海峰,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。