基于迁移学习的分子对接方法和系统技术方案

本发明专利技术提供了一种基于迁移学习的分子对接方法和系统，所述方法包括：获取多个对接样本的3维空间坐标、范德华半径和原子类型；根据对接样本的原子类型划分通道数，并根据3维空间坐标及范德华半径计算每个格点上对应的值，得到多通道3维网格数据；将所述多通道3维网格数据输入到网络架构中，输出每个对接样本的分值，并根据分值对对接样本进行归类，以此训练出对接模型，其中，对于第一次训练出来的对接模型用于不同家族的迁移学习上，针对多个对接样本不同的家族训练出不同的对接模型。本发明专利技术能够根据对接样本自动训练出一个对接模型，使其能够准确地完成分子对接，并且能够使其符合样本不同的家族的实际应用场景，并提高分子对接的准确率。

Method and System of Molecular Docking Based on Transfer Learning

【技术实现步骤摘要】
基于迁移学习的分子对接方法和系统
本专利技术涉及人工智能
，具体涉及一种基于迁移学习的分子对接方法和一种基于迁移学习的分子对接系统。
技术介绍
目前分子对接
主要存在两大难点，一个是计算效率，一个是打分函数。随着GPU通用计算的研究，计算效率问题得到了一定的缓解，但是评判对接的好坏的打分问题仍待解决。传统的打分策略主要有基于知识的评价函数、基于经验的评价函数、以及基于分子力场的评价函数，但是这些打分策略都有自身的缺陷，一般很难有效的根据对接样本自动学习，从而给出一个正确的对接情况。此外，对于不同样本对接的实际场景，还存在对接的准确率较低的情况。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于迁移学习的分子对接方法，能够根据对接样本自动训练出一个对接模型，使其能够准确地完成分子对接，并且针对样本不同的家族分别训练出不同的对接模型，使其符合样本不同的家族的实际应用场景，并提高分子对接的准确率。本专利技术的第二个目的在于提出一种基于迁移学习的分子对接系统。为达到上述目的，本专利技术第一方面实施例提出了一种基于迁移本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的分子对接方法，其特征在于，包括：获取多个对接样本的3维空间坐标、范德华半径和原子类型；根据对接样本的原子类型划分通道数，并根据3维空间坐标及范德华半径计算每个格点上对应的值，得到多通道3维网格数据；将所述多通道3维网格数据输入到网络架构中，输出每个对接样本的分值，并根据分值对对接样本进行归类，以此训练出对接模型，其中，对于第一次训练出来的对接模型用于不同家族的迁移学习上，针对多个对接样本不同的家族训练出不同的对接模型。

【技术特征摘要】
2019.05.10 CN 20191038809701.一种基于迁移学习的分子对接方法，其特征在于，包括：获取多个对接样本的3维空间坐标、范德华半径和原子类型；根据对接样本的原子类型划分通道数，并根据3维空间坐标及范德华半径计算每个格点上对应的值，得到多通道3维网格数据；将所述多通道3维网格数据输入到网络架构中，输出每个对接样本的分值，并根据分值对对接样本进行归类，以此训练出对接模型，其中，对于第一次训练出来的对接模型用于不同家族的迁移学习上，针对多个对接样本不同的家族训练出不同的对接模型。2.根据权利要求1所述的基于迁移学习的分子对接方法，其特征在于，所述网络架构包括数据输入层、特征提取层和评分器。3.根据权利要求2所述的基于迁移学习的分子对接方法，其特征在于，所述特征提取层包括多个池化层、多个卷积层、多个多卷积模块、多个多路复合卷积模块和全连接层。4.根据权利要求3所述的基于迁移学习的分子对接方法，其特征在于，所述数据输入层连接到池化层，所述评分器连接到全连接层。5.根据权利要求3或4所述的基于迁移学习的分子对接方法，其特征在于，所述多路复合...

【专利技术属性】
技术研发人员：常珊，陆旭峰，刘明，孔韧，刘斌，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：江苏,32