【技术实现步骤摘要】
本专利技术涉及生物制药领域，尤其涉及的是一种蛋白质结合位点预测方法、装置、终端及存储介质。
技术介绍
1、近年来，人工智能技术及其理论的发展取得长足进步，并被广泛应用于生物制药领域，涌现出一批对蛋白质结合位点进行预测的方法。目前的蛋白质结合位点预测方法通常是基于序列或结构进行预测，预测所采用的分析数据源单一，难以得到准确的蛋白质结合位点。
2、因此，现有技术还有待改进和发展。
技术实现思路
1、本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种蛋白质结合位点预测方法、装置、终端及存储介质，旨在解决现有技术中基于序列或结构预测蛋白质结合位点，由于预测所采用的分析数据源单一，因此难以得到准确的蛋白质结合位点的问题。
2、本专利技术解决问题所采用的技术方案如下：
3、第一方面，本专利技术实施例提供一种蛋白质结合位点预测方法，所述方法包括：
4、获取待预测蛋白质的蛋白质序列信息和蛋白质结构信息；
5、根据所述蛋白质序列信息和所述蛋白质结构信息构建融合信息，根据所述融合信息确定所述待预测蛋白质对应的预测结合位点。
6、在一种实施方式中，所述融合信息为融合点云数据，所述根据所述蛋白质序列信息和所述蛋白质结构信息构建融合信息，根据所述融合信息确定所述待预测蛋白质对应的预测结合位点，包括：
7、根据所述蛋白质序列信息构建氨基酸点云数据，其中，所述氨基酸点云数据用于反映每一氨基酸的表征信息和结构信息；<...
【技术保护点】
1.一种蛋白质结合位点预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的蛋白质结合位点预测方法，其特征在于，所述融合信息为融合点云数据，所述根据所述蛋白质序列信息和所述蛋白质结构信息构建融合信息，根据所述融合信息确定所述待预测蛋白质对应的预测结合位点，包括：
3.根据权利要求2所述的蛋白质结合位点预测方法，其特征在于，所述根据所述蛋白质序列信息构建氨基酸点云数据，包括：
4.根据权利要求3所述的蛋白质结合位点预测方法，其特征在于，每一氨基酸的结构信息包括骨干原子和侧链质心分别对应的位置信息。
5.根据权利要求3所述的蛋白质结合位点预测方法，其特征在于，所述根据所述蛋白质序列生成氨基酸表征矩阵，包括：
6.根据权利要求2所述的蛋白质结合位点预测方法，其特征在于，每一重原子的特征信息包括原子类型和所述重原子结合的氢原子数量。
7.根据权利要求3所述的蛋白质结合位点预测方法，其特征在于，所述根据所述氨基酸点云数据和所述原子点云数据构建所述融合点云数据，根据所述融合点云数据确定所述预测结合位点，包括：p>
8.根据权利要求7所述的蛋白质结合位点预测方法，其特征在于，所述融合点云数据为更新后的氨基酸点云数据，所述位点预测网络用于：
9.根据权利要求8所述的蛋白质结合位点预测方法，其特征在于，所述根据所述原子点云数据构建原子空间信息表征矩阵，包括：
10.根据权利要求9所述的蛋白质结合位点预测方法，其特征在于，所述根据所述原子点云数据确定各重原子分别对应的第一邻居集合，包括：
11.根据权利要求10所述的蛋白质结合位点预测方法，其特征在于，所述根据所述原子点云数据构建各重原子分别对应的第一局部框架矩阵，包括：
12.根据权利要求9所述的蛋白质结合位点预测方法，其特征在于，所述根据各重原子的所述第一邻居集合确定各重原子分别对应的所述原子空间信息表征，包括：
13.根据权利要求8所述的蛋白质结合位点预测方法，其特征在于，所述将所述原子空间信息表征矩阵和所述氨基酸点云数据进行融合，得到所述更新后的氨基酸点云数据，包括：
14.根据权利要求8所述的蛋白质结合位点预测方法，其特征在于，所述根据所述更新后的氨基酸点云数据确定各氨基酸分别对应的氨基酸空间信息表征，包括：
15.根据权利要求14所述的蛋白质结合位点预测方法，其特征在于，所述根据所述更新后的氨基酸点云数据确定各氨基酸分别对应的第二邻居集合，包括：
16.根据权利要求15所述的蛋白质结合位点预测方法，其特征在于，所述根据所述更新后的氨基酸点云数据构建各氨基酸分别对应的第二局部框架矩阵，包括：
17.根据权利要求14所述的蛋白质结合位点预测方法，其特征在于，所述根据各氨基酸的所述第二邻居集合确定各氨基酸分别对应的所述氨基酸空间信息表征，包括：
18.根据权利要求8所述的蛋白质结合位点预测方法，其特征在于，所述根据各氨基酸的所述氨基酸空间信息表征确定所述预测结合位点，包括：
19.一种蛋白质结合位点预测装置，其特征在于，所述装置包括：
20.一种终端，其特征在于，所述终端包括有存储器和一个以上处理器；所述存储器存储有一个以上的程序；所述程序包含用于执行如权利要求1-18中任一所述的蛋白质结合位点预测方法的指令；所述处理器用于执行所述程序。
21.一种计算机可读存储介质，其上存储有多条指令，其特征在于，所述指令适用于由处理器加载并执行，以实现上述权利要求1-18任一所述的蛋白质结合位点预测方法的步骤。
...【技术特征摘要】
1.一种蛋白质结合位点预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的蛋白质结合位点预测方法，其特征在于，所述融合信息为融合点云数据，所述根据所述蛋白质序列信息和所述蛋白质结构信息构建融合信息，根据所述融合信息确定所述待预测蛋白质对应的预测结合位点，包括：
3.根据权利要求2所述的蛋白质结合位点预测方法，其特征在于，所述根据所述蛋白质序列信息构建氨基酸点云数据，包括：
4.根据权利要求3所述的蛋白质结合位点预测方法，其特征在于，每一氨基酸的结构信息包括骨干原子和侧链质心分别对应的位置信息。
5.根据权利要求3所述的蛋白质结合位点预测方法，其特征在于，所述根据所述蛋白质序列生成氨基酸表征矩阵，包括：
6.根据权利要求2所述的蛋白质结合位点预测方法，其特征在于，每一重原子的特征信息包括原子类型和所述重原子结合的氢原子数量。
7.根据权利要求3所述的蛋白质结合位点预测方法，其特征在于，所述根据所述氨基酸点云数据和所述原子点云数据构建所述融合点云数据，根据所述融合点云数据确定所述预测结合位点，包括：
8.根据权利要求7所述的蛋白质结合位点预测方法，其特征在于，所述融合点云数据为更新后的氨基酸点云数据，所述位点预测网络用于：
9.根据权利要求8所述的蛋白质结合位点预测方法，其特征在于，所述根据所述原子点云数据构建原子空间信息表征矩阵，包括：
10.根据权利要求9所述的蛋白质结合位点预测方法，其特征在于，所述根据所述原子点云数据确定各重原子分别对应的第一邻居集合，包括：
11.根据权利要求10所述的蛋白质结合位点预测方法，其特征在于，所述根据所述原子点云数据构建各重原子分别对应的第一局部框架矩阵，包括：
12...
【专利技术属性】
技术研发人员：刘子敬，章琳炜，李煜，幺宝刚，
申请(专利权)人：粤港澳大湾区数字经济研究院福田，
类型：发明
国别省市：
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。