公开(公告)号：CN116825183A

公开(公告)日：2023-09-29

申请号：CN202310840256.2

申请日：2023-07-11

Applicant: 东北农业大学

Inventor： 周长建 ,  宋佳 ,  李中正 ,  向文胜

IPC: G16B15/30 ,  G16B40/00 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明涉及人工智能与药物发现相关领域，具体来说，发明了一种基于Transformer与变分自编码器(Variational Autoencoder,VAE)相结合的药物‑靶标结合亲和力(Drug‑Target binding Affinity,DTA)预测方法。用于解决目前公开的多数基于人工智能的DTA预测方法中存在的两个问题：1)大多方法只关注药物和靶标的特征表示，而忽略了到药物和靶标的子结构(Sub‑structure)对DTA预测结果的影响，即特征获取不够细粒度化；2)缺乏有效的特征融合方法，从而导致DTA预测效果不理想的问题。本发明结合Transformer与VAE两个模型的优势，分别对药物和靶标进行特征编码后再输入到本发明设计的注意力池化模块进行特征融合，最后输入到预测模块进行DTA预测。本发明可以应用于药物与靶标结合亲和力的预测。