【技术实现步骤摘要】
本专利技术涉及生物合成反应的表征领域，具体涉及一种基于对比学习的生物合成表征方法及模型。
技术介绍
1、催化剂能够加速化学反应过程并可以重复利用，提高了化学生产的效率，酶是一种大分子生物催化剂，具有区域选择性、立体选择性、高效性、可分解和反应条件温和等特点，参与到各种生物合成反应中并应用于多种药物的生产。酶的功能标注通常包含氧化还原酶、脱氢酶、水解酶、转移酶等类型，但同一种酶通常不止有一个功能类型，因此酶的功能标注往往需要耗费大量的人力物力。因此，出现了使用深度学习的方法对酶的功能进行标注，但是，当前的方法主要关注酶的单个功能的功能标注，缺乏通用的生物合成反应表征模型，无法满足实际应用中多种功能预测的需求。
2、公开号为cn116844646a的专利文献公开了一种基于深度对比学习的酶功能预测方法，包括：步骤1、将蛋白酶序列输入蛋白质语言模型esm-2进行预处理，得到特征提取后的酶序列信息，并保存；步骤2、计算步骤1中预处理后各类酶的聚类中心之间的欧氏距离，并存储为成对距离矩阵；步骤3、基于步骤2中的成对距离矩阵为神经网络的训练选取三元组，即随机选取一个样本，称为锚，选取一个同类别的样本，称为正样本，选取一个不同类别的样本，称为负样本；步骤4、把按步骤3中的策略选取的三元组输入基于对比学习的并行卷积神经网络，训练并保存酶功能预测模型；步骤5、将需要预测的蛋白酶序列经过步骤1处理后输入步骤4中保存好的模型，以预测其类别。但是该专利技术仅仅涉及到提高酶功能预测的正确率，并未涉及到酶的多功能预测。
3、公开号为c
技术实现思路
1、本专利技术的目的是提供一种基于对比学习的生物合成表征方法及模型，建立了包含酶的表征模型和小分子表征模型的生物合成表征模型，通过酶的表征模型预测酶的功能，通过小分子表征模型分析化学反应中底物小分子的特性，从而为酶的功能预测的完备性提供支撑，能够实现多种酶的多种功能的通用性预测。
2、为实现上述专利技术目的，本专利技术提供的技术方案如下：
3、第一方面，本专利技术实施例提供的一种基于对比学习的生物合成表征方法，包括以下步骤：
4、步骤1：构建包含酶、酶的ec编号以及生物合成反应数据的训练样本集；
5、步骤2：采用对比学习方法并结合生物合成反应原理，基于训练样本集，构建化学反应底物和产物间的损失函数、酶和ec编号间的损失函数、小分子和酶相互作用的损失函数，以三个损失函数最小化为目标得到训练好的生物合成表征模型；
6、步骤3：将待预测目标分子输入训练好的生物合成表征模型进行表征，预测待预测目标分子中酶的功能。
7、本专利技术通过建立包含酶的表征模型和小分子表征模型的生物合成表征模型，采用对比学习的方法，在训练过程中，使化学反应底物和产物间的损失函数、酶和ec编号间的损失函数、小分子和酶相互作用的损失函数最小化，得到通用的生物合成表征模型。在实际应用时，通过酶的表征模型预测酶的功能，通过小分子表征模型分析底物小分子的特性，从而为酶的功能预测的完备性提供支撑，实现对多种酶的多种功能的预测。
8、进一步的，步骤1中，酶和酶的ec编号来自于uniprot数据库中提供的蛋白质生物功能信息。
9、进一步的，步骤1中，所述生物合成反应数据来自于ecreact数据集提供的酶促反应数据，其中包含酶和酶催化的化学反应数据，所述酶催化的化学反应数据中包含化学反应的底物、产物和非产物，且底物、产物和非产物均为小分子。
10、进一步的，步骤2中，所述生物合成表征模型包含酶的表征模型和小分子表征模型：
11、所述酶的表征模型由esm-1b模型和第一多层感知机组成，其中，esm-1b模型用于提取酶的表征向量，第一多层感知机用于将酶的表征向量映射为酶表征；
12、所述小分子表征模型由图神经网络和第二多层感知机组成，其中，图神经网络用于提取小分子的浅层表征，第二多层感知机用于将小分子的浅层表征映射为小分子的表征输出向量。
13、进一步的，步骤2中，酶和ec编号间的损失函数最小化的过程，包括：
14、将训练样本集输入酶的表征模型中，分别通过esm-1b模型和第一多层感知机，得到酶表征；
15、基于酶表征，采用对比学习方法，根据正样本的表征缩小相同ec编号的酶表征之间的距离，根据负样本的表征增大不同ec编号的酶表征之间的距离，实现酶和ec编号间的损失函数最小化。
16、进一步的，步骤2中，小分子表征模型中的图神经网络为预训练的图神经网络，预训练的过程，包括：
17、基于uspto数据集构建包含化学反应中产物、非产物和底物的预训练样本；
18、将预训练样本输入到图神经网络中进行表征，得到第一产物表征，第一底物表征，第一非产物表征；
19、使用对比学习方法，以缩小第一底物表征和第一产物表征之间的欧式距离，增大第一底物表征和第一非产物表征之间的欧式距离为目标，完成对图神经网络的预训练。
20、进一步的，步骤2中，化学反应底物和产物间的损失函数最小化的过程，包括：
21、预训练的图神经网络对训练样本集中的小分子进行表征，得到小分子的浅层表征，所述小分子的浅层表征包含第二产物表征、第二底物表征和第二非产物表征；
22、基于小分子的浅层表征，采用对比学习方法，缩小第二底物表征和第二产物表征之间的欧式距离，增大第二底物表征和第二非产物表征之间的欧式距离，实现化学反应底物和产物间的损失函数最小化。
23、进一步的，步骤2中，小分子和酶相互作用的损失函数最小化的过程，包括：本文档来自技高网...
【技术保护点】
1.一种基于对比学习的生物合成表征方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于对比学习的生物合成表征方法，其特征在于，酶和酶的EC编号来自于Uniprot数据库中提供的蛋白质生物功能信息。
3.根据权利要求1所述的基于对比学习的生物合成表征方法，其特征在于，所述生物合成反应数据来自于ECREACT数据集提供的酶促反应数据，其中包含酶和酶催化的化学反应数据，所述酶催化的化学反应数据中包含化学反应的底物、产物和非产物，且底物、产物和非产物均为小分子。
4.根据权利要求3所述的基于对比学习的生物合成表征方法，其特征在于，所述生物合成表征模型包含酶的表征模型和小分子表征模型：
5.根据权利要求4所述的基于对比学习的生物合成表征方法，其特征在于，酶和EC编号间的损失函数最小化的过程，包括：
6.根据权利要求4所述的基于对比学习的生物合成表征方法，其特征在于，小分子表征模型中的图神经网络为预训练的图神经网络，预训练的过程，包括：
7.根据权利要求6所述的基于对比学习的生物合成表征方法，其特征在于，化学反
8.根据权利要求4所述的基于对比学习的生物合成表征方法，其特征在于，小分子和酶相互作用的损失函数最小化的过程，包括：
9.根据权利要求5所述的基于对比学习的生物合成表征方法，其特征在于，正样本选取训练样本集中与用于训练酶的表征模型的酶的EC编号相同的氨基酸序列，依次输入ESM-1b模型和第一多层感知机中，得到正样本的表征；负样本选取训练样本集中与用于训练酶的表征模型的酶的EC编号不同的氨基酸序列，输入到ESM-1b模型中，得到负样本的表征。
10.一种基于对比学习的生物合成表征模型，其特征在于，采用权利要求1-9任一项所述的基于对比学习的生物合成表征方法，包括训练样本集构建单元、表征模型训练单元、表征模型应用单元；
...【技术特征摘要】
1.一种基于对比学习的生物合成表征方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于对比学习的生物合成表征方法，其特征在于，酶和酶的ec编号来自于uniprot数据库中提供的蛋白质生物功能信息。
3.根据权利要求1所述的基于对比学习的生物合成表征方法，其特征在于，所述生物合成反应数据来自于ecreact数据集提供的酶促反应数据，其中包含酶和酶催化的化学反应数据，所述酶催化的化学反应数据中包含化学反应的底物、产物和非产物，且底物、产物和非产物均为小分子。
4.根据权利要求3所述的基于对比学习的生物合成表征方法，其特征在于，所述生物合成表征模型包含酶的表征模型和小分子表征模型：
5.根据权利要求4所述的基于对比学习的生物合成表征方法，其特征在于，酶和ec编号间的损失函数最小化的过程，包括：
6.根据权利要求4所述的基于对比学习的生物合成表征方法，其特征在于，小分子表征模型...
【专利技术属性】
技术研发人员：黄元盛，李蓝青，陈广勇，康玉，侯廷军，
申请(专利权)人：之江实验室，
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。