药物靶标相互作用预测模型训练方法、装置、设备和介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，公开了一种药物靶标相互作用预测模型训练方法、装置、设备和介质，该方法包括：通过将源域训练样本输入源域预测模型的源特征提取单元，源域预测模型的源特征提取单元的输出为源域药物

【技术实现步骤摘要】
药物靶标相互作用预测模型训练方法、装置、设备和介质


[0001]本专利技术涉及人工智能
，尤其涉及一种药物靶标相互作用预测模型训练方法、装置、设备和介质。

技术介绍

[0002]药物发现(drug discovery)是确定的新候选化合物(药物分子)具有潜在治疗作用的过程。药物发现过程中必不可少的一步是对药物分子和靶点蛋白的相互作用(drug
‑
target interactions,DTI)的预测。因为药物分子的疗效取决于它们对靶点蛋白或受体的亲和力，对靶点蛋白没有任何相互作用或亲和力的药物分子将不能提供治疗反应。例如，在某些情况下，开发出的药物分子可能与非预期的蛋白质或受体相互作用，导致毒性。鉴于药物分子和靶点蛋白的相互作用(DTI)的实验测定，既费时又耗费资源。因此，目前借助于机器学习方法是一种辅助预测药物分子对靶点蛋白作用的重要手段。
[0003]专利技术人意识到，目前的通过机器学习方法训练药物靶标相互作用预测模型的方法，通常是通过大量的训练样本训练药物靶标相互作用预测模型，但是针对大多新药物分子对新靶点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种药物靶标相互作用预测模型训练方法，其特征在于，用于训练源域预测模型和目标域预测模型，所述源域预测模型和所述目标域预测模型均包括特征提取单元和分类器单元，所述方法包括：获取源域训练样本和目标域训练样本，所述源域训练样本包括源训练药物分子、源训练靶点蛋白和源训练药物分子对源训练靶点蛋白作用的源标注标签，所述目标域训练样本包括目标训练药物分子和目标训练靶点蛋白；将所述源域训练样本输入所述源域预测模型的源特征提取单元，所述源域预测模型的源特征提取单元的输出为源域药物
‑
靶点作用向量；将所述目标域训练样本输入所述目标域预测模型的目标特征提取单元，所述目标特征提取单元的输出为目标域药物
‑
靶点作用向量；将所述源域药物
‑
靶点作用向量和所述目标域药物
‑
靶点作用向量分别输入所述源域预测模型的源分类器单元，所述源分类器单元的输出分别为源训练药物分子与源训练靶点蛋白相互作用的源预测标签和目标训练药物分子与目标训练靶点蛋白相互作用的第一预测标签；将所述目标域药物
‑
靶点作用向量输入目标域预测模型的目标分类器单元，所述目标分类器单元的输出为目标训练药物分子与目标训练靶点蛋白相互作用的第二预测标签；根据所述源域药物
‑
靶点作用向量、所述目标域药物
‑
靶点作用向量、所述源标注标签、所述源预测标签、所述第一预测标签和所述第二预测标签训练所述源域预测模型和所述目标域预测模型。2.如权利要求1的药物靶标相互作用预测模型训练方法，其特征在于，所述根据所述源域药物
‑
靶点作用向量、所述目标域药物
‑
靶点作用向量、所述源标注标签、所述源预测标签、所述第一预测标签和所述第二预测标签训练所述源域预测模型和所述目标域预测模型，包括：计算所述源域药物
‑
靶点作用向量与所述目标域药物
‑
靶点作用向量对齐的最大均值差异损失；根据所述第一预测标签和所述第二预测标签的计算所述目标域预测模型的目标分类器单元和所述源域预测模型的源分类器单元的对比损失函数；根据所述源标注标签和所述预测标签计算所述源域预测模型的分类损失函数；根据所述最大均值差异损失、所述对比损失函数和所述分类损失函数训练所述源域预测模型和所述目标域预测模型。3.如权利要求1的药物靶标相互作用预测模型训练方法，其特征在于，所述获取源域训练样本和目标域训练样本，包括：获取至少两组源域训练样本，每组源域训练样本与一源域预测模型一一对应；其中，不同源域训练样本的靶点蛋白分属不同类别。所述将所述源域训练样本输入所述源域预测模型的源特征提取单元，包括：将各所述源域训练样本输入与所述源域训练样本对应的所述源域预测模型的源特征提取单元。4.如权利要求3的药物靶标相互作用预测模型训练方法，其特征在于，所述根据所述源域药物
‑
靶点作用向量、所述目标域药物
‑
靶点作用向量、所述源标注标签、所述源预测标签、所述第一预测标签和所述第二预测标签训练所述源域预测模型和所述目标域预测模
型，包括：分别计算各源域预测模型的源特征提取单元输出的源域药物
‑
靶点作用向量与目标域药物
‑
靶点作用向量对齐的最大均值差异损失；通过最小化最大均值差异损失训练源域预测模型的源特征提取单元和目标域预测模型的目标特征提取单元。5.如权利要求3的药物靶标相互作用预测模型训练方法，其特征在于，所述将源域药物
‑
靶点作用向量和目标域药物
‑
靶点作用向量分别输入源域预测模型的源分类器单元，包括：将各源域训练样本对应的源域药物
‑
靶点作用向量输入与所述源域训练样本对应的源域预测模型的源分类器单元，所述源分类器单元输出源训练药物分子与源训...

【专利技术属性】
技术研发人员：王俊，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：