用于预测蛋白质结构能量的方法、装置以及设备制造方法及图纸

本公开提供一种用于预测蛋白质结构能量的方法、装置以及设备，其中，方法包括：获取待处理的目标蛋白质结构数据；其中，目标蛋白质结构数据包括主链结构数据和侧链结构数据，目标蛋白质结构数据中涉及的蛋白质结构类型包括稳态和非折叠态；将目标蛋白质结构数据输入预训练能量预测模型，得到由预训练能量预测模型输出的匹配目标蛋白质结构数据的蛋白质结构能量；其中，预训练能量预测模型包括级联的预训练神经网络和输出映射单元，预训练神经网络为利用基于蛋白质结构数据构建的样本数据训练得到。利用本公开实施例的方法，可以比较快速准确地对目标蛋白质结构数据的蛋白质结构能量进行预测。

【技术实现步骤摘要】

本公开涉及蛋白质能量预测，尤其涉及一种用于预测蛋白质结构能量的方法、装置、电子设备、非暂态计算机可读存储介质以及计算机程序产品。

技术介绍

1、在抗病毒药物的研发中，需要利用蛋白质工程进行药物设计；其中，计算机辅助蛋白质设计策略成为关键；所述计算机辅助蛋白质设计策略，依赖于精确的蛋白质结构能量预测方法(即，能量函数)。

2、目前，现有技术的蛋白质结构能量预测方法至少存在在预测准确度较低的问题。

3、因此，如何提供一种“能够比较快速准确地对蛋白质结构能量进行预测”的方案成为目前亟需解决的问题。

技术实现思路

1、本公开提供一种用于预测蛋白质结构能量的方法、装置、电子设备、非暂态计算机可读存储介质以及计算机程序产品，用以解决现有技术中的缺陷。

2、本公开提供一种用于预测蛋白质结构能量的方法，包括：获取待处理的目标蛋白质结构数据；其中，所述目标蛋白质结构数据包括主链结构数据和侧链结构数据，所述目标蛋白质结构数据中涉及的蛋白质结构类型包括稳态和非折叠态；将所述目标蛋白质结构数据输入本文档来自技高网...

【技术保护点】

1.一种用于预测蛋白质结构能量的方法，包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，所述GPAM-PPF子网络包括级联的1个三维特征提取模块、1个一维特征提取模块、4个改进GPAM模块以及1个单层卷积层；

4.根据权利要求2所述的方法，其特征在于，在所述预训练神经网络包括三个改进的蛋白质概率函数GPAM-PPF子网络的情况下，所述预训练神经网络的训练步骤包括：

5.根据权利要求2所述的方法，其特征在于，在所述预训练神经网络包括一个改进的蛋白质概率函数GPAM-PPF子网络的情况下，所述预训练神...

【技术特征摘要】

1.一种用于预测蛋白质结构能量的方法，包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，所述gpam-ppf子网络包括级联的1个三维特征提取模块、1个一维特征提取模块、4个改进gpam模块以及1个单层卷积层；

4.根据权利要求2所述的方法，其特征在于，在所述预训练神经网络包括三个改进的蛋白质概率函数gpam-ppf子网络的情况下，所述预训练神经网络的训练步骤包括：

5.根据权利要求2所述的方法，其特征在于，在所述预训练神经网络包括一个改进的蛋白质概率函数gpam-ppf子网络的情况下，所述预训练神经网络的训练步...

【专利技术属性】
技术研发人员：林馥，白秋晴，王梓桐，张越，李明康，
申请(专利权)人：武汉大学，
类型：发明
国别省市：