【技术实现步骤摘要】
本专利技术属于计算机辅助药物设计领域，具体涉及一种基于深度学习的片段靶标相互作用识别与通用化合物库构建方法。
技术介绍
1、在现代药物发现的进程中，虚拟筛选通过利用先进的计算机模拟技术和化学信息学方法，从数以百万计的化合物库中快速预测和筛选出具有潜在生物活性的化合物。虚拟化合物库的构建和优化是进行有效虚拟筛选的基础。
2、在这个过程中，基于片段的药物设计方法扮演着重要角色，它从结构较为简单，但具有极高的多样性，可以覆盖广泛的化学空间的较小的分子片段出发，通过对这些分子片段进行高通量的筛选，识别出与特定生物靶标具有良好结合能力的片段。随后将这些片段连接或进行化学改造，以设计出具有更好生物活性和更强亲和力的药物候选分子。基于片段的药物设计的策略相较于依赖于高分子量化合物的传统药物设计方法具有广泛的优势，首先，它使研究人员能够在一个更宽广的化学空间内进行探索，从而增加发现具有创新性和高效性药物分子的机会。其次，通过精确组装筛选出的片段，可以获得与靶点有更高亲和力的分子，这一点在那些传统方法难以攻克的复杂靶标上尤为突出。此外，尽管单...
【技术保护点】
1.一种基于深度学习的片段靶标相互作用识别与通用化合物库构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的片段靶标相互作用识别与通用化合物库构建方法，其特征在于，步骤1中提取蛋白质晶体结构是从蛋白质数据库中筛选蛋白质-配体复合物晶体结构，需满足以下条件：每个复合物结构中至少包含一个配体分子，配体分子不与周围蛋白质氨基酸残基共价结合，配体分子暴露于溶剂的表面积小于50%，X-ray/NMR解析分辨率小于3Å，之后移除蛋白质中结合口袋以外的氨基酸残基。
3.根据权利要求1所述的基于深度学习的片段靶标相互作用识别与通用化合物...
【技术特征摘要】
1.一种基于深度学习的片段靶标相互作用识别与通用化合物库构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于深度学习的片段靶标相互作用识别与通用化合物库构建方法，其特征在于，步骤1中提取蛋白质晶体结构是从蛋白质数据库中筛选蛋白质-配体复合物晶体结构，需满足以下条件：每个复合物结构中至少包含一个配体分子，配体分子不与周围蛋白质氨基酸残基共价结合，配体分子暴露于溶剂的表面积小于50%，x-ray/nmr解析分辨率小于3å，之后移除蛋白质中结合口袋以外的氨基酸残基。
3.根据权利要求1所述的基于深度学习的片段靶标相互作用识别与通用化合物库构建方法，其特征在于，步骤2中化合物骨架片段数据集的构建是指采用分子切割算法对步骤1得到的完整配体分子进行分割得到分子片段。
4.根据权利要求1所述的基于深度学习的片段靶标相互作用识别与通用化合物库构建方法，其特征在于，所述步骤3是对步骤102中从完整的配体分子拆分出的化合物骨架片段与步骤101中筛选出的蛋白质活性位点氨基酸残基之间的相互作用进行指纹编码，构建片段-蛋白质相互作用数据库。
5.根据权利要求1所述的基于深度学习的片段靶标相互作用识别与通用化合物库构建方法...
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。