一种蛋白质结合位点预测方法、系统、介质、设备及产品技术方案

本发明专利技术涉及蛋白质相关数据处理技术领域，本发明专利技术公开了一种蛋白质结合位点预测方法、系统、介质、设备及产品，包括：构建蛋白质分子的图，通过端到端的分层几何深度学习模型，预测得到结合位点；所述端到端的分层几何深度学习模型包括一层特征编码层、若干层特征表征层和分类器，所述特征编码层和每层特征表征层均包含一个增强型图神经网络和一个排序径向基神经网络；所述增强型图神经网络作用于图上，进行节点特征、边特征和位置特征的更新；所述排序径向基神经网络将节点邻域内的所有残基视为点云结构，提取邻域的图特征；所述分类器基于图特征预测每个残基为结合位点的概率。提取了多层次的蛋白质表征结构信息。

【技术实现步骤摘要】

本专利技术涉及蛋白质相关数据处理，具体的说，是涉及一种蛋白质结合位点预测方法、系统、介质、设备及产品。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。

2、蛋白质结合位点，即是蛋白质在具有生理活性时，与其他物质相结合并起重要作用的区域。

3、蛋白质有多种互补的表示方式，如序列、残基图、氨基酸点云或者分子表面，它们是对蛋白质分子的合理表征形式以及数据化表示。不同的蛋白质表示代表了不同的研究策略。研究蛋白质功能位点的计算方法根据研究策略可以分为基于序列的方法和基于结构的方法。

4、基于序列的方法是仅通过蛋白质的氨基酸序列进行分析，如scriber（accurateand partner type-specific prediction of protein-binding residues fromproteins sequences，基于蛋白质序列中残基的特异性预测方法）、targetdna（predictingprotein-dna binding residues by we本文档来自技高网...

【技术保护点】

1.一种蛋白质结合位点预测方法，其特征在于，包括：

2.如权利要求1所述的一种蛋白质结合位点预测方法，其特征在于，所述序列特征包括残基的原子特征和残基的二级结构特征；

3.如权利要求1所述的一种蛋白质结合位点预测方法，其特征在于，所述局部坐标的获取步骤包括：

4.如权利要求1所述的一种蛋白质结合位点预测方法，其特征在于，在编码层中所述增强型图神经网络，将边特征和边的两个端点的节点特征通过多层感知机进行编码串联得到边特征编码，将边特征编码总和、节点特征和局部坐标通过多层感知机进行编码串联得到节点特征编码，将局部坐标通过多层感知机进行编码得到位置特征；...

【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，包括：

2.如权利要求1所述的一种蛋白质结合位点预测方法，其特征在于，所述序列特征包括残基的原子特征和残基的二级结构特征；

3.如权利要求1所述的一种蛋白质结合位点预测方法，其特征在于，所述局部坐标的获取步骤包括：

4.如权利要求1所述的一种蛋白质结合位点预测方法，其特征在于，在编码层中所述增强型图神经网络，将边特征和边的两个端点的节点特征通过多层感知机进行编码串联得到边特征编码，将边特征编码总和、节点特征和局部坐标通过多层感知机进行编码串联得到节点特征编码，将局部坐标通过多层感知机进行编码得到位置特征；

5.如权利要求1所述的一种蛋白质结合位点预测方法，其特征在于，在每一层的特征表征层中所述增强型图神经网络进行边特征编码更新时，计算上一层的边的两个端点的节点特征编码的距离得到边变量；将边变量、上一层的边特征编码、上一层的边的两个端点的节点特征编码和上一层得到的图特征通过多层感知机进行非线性变换和消息传递，得到第二中间输出；将第二中间输出和上一层得到的边特征编码进行残差连接，更新边特征编码；

6.如权利要求1所述的一种蛋白质结合位点预测方法，其特征在于...

【专利技术属性】
技术研发人员：柳军涛，张仕卓，
申请(专利权)人：山东大学，
类型：发明
国别省市：