公开(公告)号：CN118016191A

公开(公告)日：2024-05-10

申请号：CN202211403254.9

申请日：2022-11-10

Applicant: 上海交通大学

Inventor： 林铖 ,  涂仕奎 ,  徐雷

IPC: G16C20/50 ,  G16C20/70 ,  G16B40/00 ,  G16B15/30 ,  G16C20/90 ,  G06F18/25 ,  G06N3/0464 ,  G06N5/04 ,  G06N3/084 ,  G06N5/01

Abstract: 本发明提供一种基于图神经网络和启发式搜索的药物分子设计系统和方法，该系统包括受体表征学习模块、配体表征学习模块、受体‑配体表征融合模块和启发式搜索模块，受体表征学习模块采用蛋白残基图卷积神经网络，配体表征学习模块采用分子原子图卷积神经网络，受体‑配体表征融合模块用于得到初步的配体组件生长概率和配体价值评估值；启发式搜索模块，用于将配体组件生长概率和配体价值评估值作为新增候选节点的初始信息，进行前瞻搜索以提高或矫正下一个配体组件生成的概率选择，提高生成的小分子与蛋白受体的结合亲和力。本发明能够提升神经网络对于药物分子‑蛋白靶点相互作用进行表征学习的性能，而且可以极大地降低计算复杂度。

公开(公告)号：CN117409886A

公开(公告)日：2024-01-16

申请号：CN202210787582.7

申请日：2022-07-04

Applicant: 上海交通大学

Inventor： 钱浩 ,  林铖 ,  赵登伟 ,  涂仕奎 ,  徐雷

IPC: G16C20/50 ,  G16C20/70 ,  G16C20/20 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明提供一种基于深度学习和树搜索的计算机辅助药物设计系统和方法，该系统包括：受体‑配体特征学习模块，采用层次化跳跃连接Transformer神经网络，对蛋白质受体残基序列和配体SMILES序列进行多层次的特征抽取和融合，通过监督学习的训练方式，建立隐马尔科夫模型，得到SMILES序列的生长策略；树搜索模块，借助将所述的SMILES序列的生长策略，进行启发式搜索，所述树搜索模块同时受价值评估函数的指导，最终输出全新的SMILES序列。对于给定的靶点，本发明可以高效地搜索庞大的化学空间，生成潜在的具有较高亲和力的配体分子。