公开(公告)号：CN118197396A

公开(公告)日：2024-06-14

申请号：CN202211589076.3

申请日：2022-12-12

Applicant: 上海交通大学

Inventor： 夏春秋 ,  夏莹 ,  潘小勇 ,  沈红斌

IPC: G16B15/30 ,  G01N33/68 ,  G16B15/20 ,  G06N3/0464 ,  G06N3/08 ,  G16B40/00

Abstract: 一种基于经验图神经网络的蛋白质‑配体亲和力预测方法，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。本发明将深度学习技术与蛋白质结构领域的知识相结合，通过经验图神经网络深入挖掘蛋白质与配体的空间位置关系，能够学习到更有效的蛋白质与配体间的位置关系，提升蛋白质‑配体亲和力预测的精度。

公开(公告)号：CN116504303A

公开(公告)日：2023-07-28

申请号：CN202310474761.X

申请日：2023-04-27

Applicant: 上海交通大学

Inventor： 王宇轩 ,  夏莹 ,  沈红斌 ,  潘小勇

IPC: G16B15/30 ,  G16B40/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于元学习和子图匹配的靶蛋白药物结合预测方法，通过构建蛋白质结构、药物小分子结构及其结合能数值按蛋白质分组建立元学习训练任务，即作为元模型的主体模型；对元模型进行微调后得到针对该蛋白质预测任务的子模型与其损失函数；然后建立任务自适应的自注意力模型平衡各蛋白质预测任务的子模型对元模型的优化贡献，对各蛋白质预测任务的子模型损失函数使用加权平均得到元模型损失函数；再使用元模型损失函数计算梯度，得到元模型梯度后，基于预设学习率对元模型参数进行更新优化，训练完成后使用训练后的元模型对测试集新蛋白质样本进行微调，得到新蛋白质预测子模型，使用该子模型对该蛋白质测试集进行预测，得到评价结果。本发明通过元学习与子图匹配相结合的训练方法，可以有效避免捷径学习，增强泛化效果，也解决以往预测模型对新发现蛋白质难以预测的问题。

公开(公告)号：CN114765063A

公开(公告)日：2022-07-19

申请号：CN202110037110.5

申请日：2021-01-12

Applicant: 上海交通大学

Inventor： 夏莹 ,  沈红斌 ,  潘小勇 ,  夏春秋

IPC: G16B20/30

Abstract: 一种基于图神经网络表征的蛋白质与核酸结合位点预测方法，通过构建蛋白质与核酸相互作用数据集，经样本融合处理后提取其中蛋白质中每个残基的位置和特征信息及其结构上下文，并据此构建残基结构上下文的图表示，通过层次图神经网络对待预测的蛋白质的图表示进行预测，得到每个残基与DNA/RNA结合的概率，实现蛋白质与核酸结合位点预测。本发明通过基于结构上下文的残基的图表示和层次图神经网络模型来从图表示中学习结合位点的关键结构和特征模式。