一种药物分子和蛋白靶点结合姿势预测处理方法技术

本发明专利技术实施例涉及一种药物分子和蛋白靶点结合姿势预测处理方法，所述方法包括：步骤1、利用第一机器学习模型，输入独立的蛋白靶点结构信息和药物分子结构信息，得到和输出第一药物分子和蛋白靶点的结合姿势信息；步骤2、利用所述第一药物分子和蛋白靶点的结合姿势信息，对药物分子对接打分函数添加偏置项，形成偏置项打分函数；步骤3、根据所述偏置项打分函数，利用分子对接算法，输入独立的蛋白靶点结构信息和药物分子结构信息，生成第二药物分子和蛋白靶点的结合姿势信息，作为药物分子和蛋白靶点结合姿势预测信息。本发明专利技术实施例提供的药物分子和蛋白靶点结合姿势预测处理方法，有效的提高了药物分子和蛋白靶点结合姿势预测的准确率。的准确率。的准确率。

【技术实现步骤摘要】
一种药物分子和蛋白靶点结合姿势预测处理方法


[0001]本专利技术涉及计算机
，尤其涉及一种药物分子和蛋白靶点结合姿势预测处理方法。

技术介绍

[0002]药物分子和蛋白靶点产生相互作用是药物效应的基础。要准确评估药物分子和蛋白靶点间的相互作用强度，需要得到蛋白靶点和小分子之间合理的结合姿态(Binding Pose，即两者的相对位置)。
[0003]现有的预测结合姿态的方法是分子对接，是一种蛋白靶点和药物分子复合物结合姿态的搜索方法，将药物分子放置在蛋白靶点的空腔内，并通过打分函数，基于结合姿态进行能量评估来指导结合姿态的搜索和优化。打分函数对能量的评估决定了结合姿态预测的好坏。但打分函数往往是有限个近似能量项的经验性加权求和，其预测的能量评估误差较大，导致其对结合姿态的预测能力有限。
[0004]如Vina打分函数指导下的分子对接，在CASF
‑
2016数据集上，只能实现68％的药物分子
‑
蛋白靶点结合姿态预测成功率(成功率以预测得到的药物分子的结合位置和真实晶体结构中的药物分子的结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种药物分子和蛋白靶点结合姿势预测处理方法，其特征在于，所述方法包括：步骤1、利用第一机器学习模型，输入独立的蛋白靶点结构信息和药物分子结构信息，得到和输出第一药物分子和蛋白靶点的结合姿势信息；步骤2、利用所述第一药物分子和蛋白靶点的结合姿势信息，对药物分子对接打分函数添加偏置项，形成偏置项打分函数；步骤3、根据所述偏置项打分函数，利用分子对接算法，输入独立的蛋白靶点结构信息和药物分子结构信息，生成第二药物分子和蛋白靶点的结合姿势信息，作为药物分子和蛋白靶点结合姿势预测信息。2.根据权利要求1所述的，其特征在于，所述步骤1具体为：利用卷积神经网络机器学习模型，把蛋白靶点结构信息和药物分子结构信息转化为蛋白分子密度图或蛋白分子点云；以药物分子密度图或药物分子点云作为条件，在所述蛋白分子密度图或蛋白分子点云的空腔中生成药物分子密度图，并将所述药物分子密度图解析还原成第一药物分子和蛋白靶点的结合姿势信息；或者利用图神经网络机器学习模型，构建蛋白靶点的原子或氨基酸残基与药物分子上的原子作为图的节点；在两两之间的节点之间构建一条边来表示它们间的相对距离；基于预测蛋白靶点与药物分子结合后的相对距离，并根据距离矩阵来还原成第一药物分子和蛋白靶点的结合姿势信息；或者利用坐标预测自注意力模型，输入蛋白靶点上原子的空间坐标信息和药物分子上原子的空间坐标信息，预测药物分子上每个原子相对于初始位置的改变，来计算得到第一药物分子和蛋白靶点的结合姿势信息。3.根据权利要求1所述的方法，其特征在于，所述步骤2中对分子对接打分函数添加偏置项具体为：以药物分子结构中的原子的空间坐标为中心，指定在药物分子对接过程中，满足类型信息的原子出现在离这个中心第一半径的范围内时，给能量项赋一个偏置；其中，所述原子的空间坐标来自于所述第一药物分子和蛋白靶点的结合姿势信息中的原子或多原子组成的原子团；类型信息来自于该空间坐标对应的原子的元素类型、芳香性、是否为环上的原子、是否为氢键给体、是否是氢键受体或对应的原...

【专利技术属性】
技术研发人员：俞跃江，高志锋，郑行，张林峰，孙伟杰，
申请(专利权)人：北京深势科技有限公司，
类型：发明
国别省市：