基于国产超算平台的蛋白质-配体亲和力评价方法技术

本发明专利技术提供一种基于国产超算平台的蛋白质

【技术实现步骤摘要】
基于国产超算平台的蛋白质
‑
配体亲和力评价方法


[0001]本专利技术涉及高性能计算
，更具体的说，本专利技术涉及一种基于国产超算平台的蛋白质
‑
配体亲和力评价方法
。

技术介绍

[0002]超级计算机是衡量一个国家科技发展水平和综合国力的重要标志，其具有功能强，运算速度快，存储容量大的特点，支持大型复杂应用课题的计算，可广泛应用于医疗领域及高科技领域
。
近年来，以“神威
·
太湖之光”为代表的国产超级计算机发展迅速，“神威
·
太湖之光”是世界上首次性能超过
100PFlops
的超级计算机
。
[0003]超级计算机在医疗领域尤其是药物虚拟筛选领域具有重要作用，其中蛋白质
‑
配体亲和力评价是药物虚拟筛选及药物开发过程中的关键阶段，准确高效的蛋白质
‑
配体亲和力评价将大大降低药物的开发周期和开发成本
。
目前基于超级计算机的蛋白质
‑
配体亲和力本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于国产超算平台的蛋白质
‑
配体亲和力评价方法，其特征在于，包括：国产超算生产环境的搭建步骤包括：编译深度学习模型运行所需要的依赖库，并完成对
SWPyTorch
的框架配置；深度学习模型的设计与实现步骤包括：构建一基于蛋白质
‑
配体亲和力评价数据集的所述深度学习模型，基于
X86
平台下的
PyTorch
框架对所述深度学习模型进行模型实现，完成模型实现后进行模型移植，将所述深度学习模型移植至国产超算平台；深度学习模型的并行优化步骤包括：基于所述国产超算平台，从数据并行
、
计算并行
、
通信并行
、
算子库优化及
SWPyTorch
多节点并行对所述深度学习模型进行优化；作业提交与运行步骤包括：配置所述国产超算平台的计算节点资源，激活所述国产超算平台的依赖环境，提交运行作业
。2.
根据权利要求1所述基于国产超算平台的蛋白质
‑
配体亲和力评价方法，其特征在于，所述深度学习模型采用基于
Bi
‑
LSTM
神经网络融合
Attention
机制的模型
。3.
根据权利要求2所述基于国产超算平台的蛋白质
‑
配体亲和力评价方法，其特征在于，所述大规模蛋白质
‑
配体亲和力评价数据集包含
3420
万蛋白质
‑
配体相互作用数据，主要涵盖蛋白质
‑
化合物相互作用数据及蛋白质
‑
蛋白质相互作用数据，还包括蛋白质和化合物的结构序列数据，所述结构序列数据的亲和力特征包括药效团
、
分子骨架
、
疏水基团
、
水溶性及脂溶性
。4.
根据权利要求3所述基于国产超算平台的蛋白质
‑
配体亲和力评价方法，其特征在于，所述基于
Bi
‑
LSTM
神经网络融合
attention
机制的模型结构包括：输入蛋白质及化合物的结构序列数据后，经
word2vec
向量化处理得到词嵌入向量；将所述词嵌入向量输入卷积层进行多次卷积操作，得到特征序列；将所述特征序列输入
Bi
‑
LSTM
神经网络结构，所述
Bi
‑
LSTM
神经网络结构输出的特征信息作为
attention
机制层的输入；所述特征信息经过所述
attention
机制层处理，对所述特征信息的权重进行调整，得到涵盖分子特殊结构特征的文本表示；对所述文本表示进行整合得到综合文本表示，将所述综合文本表示作为
Softmax
分类器的输入；通过所述
Softmax
分类器对蛋白质
‑
配体间的亲和力进行分类后，获得蛋白质
‑
配体间的亲和力评价结果
。5.
根据权利要求1所述基于国产超算平台的蛋白质
‑
配体亲和力评价方法，其特征在于，所述依赖库包括
13
个
Python
库，包括：
torch、torc...

【专利技术属性】
技术研发人员：陈溟，谭华，苏亮，杨帅，
申请(专利权)人：青岛国实科技集团有限公司，
类型：发明
国别省市：