【技术实现步骤摘要】
本专利技术涉及的是一种生物工程领域的技术，具体是一种基于经验图神经网络的蛋白质-配体亲和力预测方法。
技术介绍
1、蛋白质与配体的结合亲和力衡量蛋白质与配体分子(例如蛋白质、核酸以及药物分子)之间的相互作用强度。准确的亲和力既可以提升对于有蛋白质与配体相互作用参与的生物过程的理解，也可以在药物发现的过程中辅助筛选候选药物。但是对于一个给定的蛋白质，通过湿实验的方法测定其与配体的亲和力需要较高的时间与人力成本。因此，许多基于结构的计算方法被提出用于蛋白质与配体亲和力预测。
2、自由能模拟是一种经典的蛋白质与配体亲和力预测方法，一般而言这类方法可以提供比较准确的预测结果，但其预测的时间开销较高，不适用于需要大规模亲和力预测的场景，打分函数作为一种快速的亲和力预测方法获得越来越多的关注。期的打分函数可以分为三类：基于物理的打分函数，基于知识的打分函数以及经验打分函数。尽管这些打分函数形式简单且有不错的预测准确率，但因为所用的能量项线性组合在一起，其性能有较大的提升空间。之后提出的基于机器学习的打分函数尝试用非线性的模型处理特征，预...
【技术保护点】
1.一种基于经验图神经网络的蛋白质-配体亲和力预测方法，其特征在于，从目标蛋白质与小分子配体的复合物中提取出蛋白质所有残基的β碳原子以及配体中所有重原子在三维空间中的全局坐标，然后根据全局坐标以及配体的化学键信息计算得到蛋白质图、配体图以及相互作用图的邻接矩阵；再根据蛋白质的进化信息以及配体原子的属性分别计算得到残基结点和原子结点的原始结点特征，将邻接矩阵和原始结点特征输入训练后的经验图神经网络得到蛋白质结构的亲和力；
2.根据权利要求1所述的基于经验图神经网络的蛋白质-配体亲和力预测方法，其特征是，所述的全局坐标是指：蛋白质框架区域的结构中每个残基的β碳...
【技术特征摘要】
1.一种基于经验图神经网络的蛋白质-配体亲和力预测方法，其特征在于，从目标蛋白质与小分子配体的复合物中提取出蛋白质所有残基的β碳原子以及配体中所有重原子在三维空间中的全局坐标，然后根据全局坐标以及配体的化学键信息计算得到蛋白质图、配体图以及相互作用图的邻接矩阵；再根据蛋白质的进化信息以及配体原子的属性分别计算得到残基结点和原子结点的原始结点特征，将邻接矩阵和原始结点特征输入训练后的经验图神经网络得到蛋白质结构的亲和力；
2.根据权利要求1所述的基于经验图神经网络的蛋白质-配体亲和力预测方法，其特征是，所述的全局坐标是指：蛋白质框架区域的结构中每个残基的β碳原子在三维空间中的笛卡尔坐标。
3.根据权利要求1所述的基于经验图神经网络的蛋白质-配体亲和力预测方法，其特征是，所述的蛋白质图、配体图以及相互作用图的邻接矩阵中：
4.根据权利要求1所述的基于经验图神经网络的蛋白质-配体亲和力预测方法，其特征是，所述的残基结点和原子结点的原始结点特征中：
5.根据权利要求1或4所述的基于经验图神经网络的蛋白质-配体亲和力预测方法，其特征是，所述的配体图的邻接矩阵，具体通过以下方式得到：给定一个蛋白质与配体组成的复合物，其中：配体的所有重原子都被认为是结点集合vl的成员之一，将两个原子之间的化学键定义为图的一条边，配体图配体图的邻接矩阵其中：vl为配体图结点集，el为配体图边集，为配体图邻接矩阵中第j行第k列的取值，为第j个结点和第k个结点间的边。
6.根据权利要求1或3所述的基于经验图神经网络的蛋白质-配体亲和力预测方法，其特征是，所述的蛋白质图的邻接矩阵，具体通过以下方式得到：
7.根据权利要求1或3所述的基于经验图神经网络的蛋白质-配体亲和力预测方法，其特征是，所述的相...
【专利技术属性】
技术研发人员：夏春秋，夏莹，潘小勇，沈红斌，
申请(专利权)人：上海交通大学，
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。