-
公开(公告)号：CN112599187B
公开(公告)日：2022-03-15
申请号：CN202011510053.X
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明公开了一种基于双流神经网络预测药物与靶标蛋白结合分数的方法，包括：S1、根据药物的SMILES序列生成药物的指纹向量；S2、根据靶标蛋白的氨基酸序列生成靶标蛋白的指纹向量；S3、将蛋白指纹和药物指纹输入非卷积神经网络，将蛋白序列与药物序列输入卷积神经网络；S4、利用attention机制融合两种神经网络提取的特征；S5、将融合的特征输入多层感知机，得到最终的双流神经网络，进而得到药物与靶标蛋白结合分数。本发明通过融合两种类别神经网络的方法，来提取单一神经网络难以提取完全的特征，再通过多层感知机预测药物与靶标蛋白结合分数，提升模型在药物与靶标蛋白结合分数预测上的准确率。
-
公开(公告)号：CN112599187A
公开(公告)日：2021-04-02
申请号：CN202011510053.X
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明公开了一种基于双流神经网络预测药物与靶标蛋白结合分数的方法，包括：S1、根据药物的SMILES序列生成药物的指纹向量；S2、根据靶标蛋白的氨基酸序列生成靶标蛋白的指纹向量；S3、将蛋白指纹和药物指纹输入非卷积神经网络，将蛋白序列与药物序列输入卷积神经网络；S4、利用attention机制融合两种神经网络提取的特征；S5、将融合的特征输入多层感知机，得到最终的双流神经网络，进而得到药物与靶标蛋白结合分数。本发明通过融合两种类别神经网络的方法，来提取单一神经网络难以提取完全的特征，再通过多层感知机预测药物与靶标蛋白结合分数，提升模型在药物与靶标蛋白结合分数预测上的准确率。
-
公开(公告)号：CN114783507B
公开(公告)日：2024-07-26
申请号：CN202210368265.1
申请日：2022-04-01
Applicant: 武汉大学
Abstract: 本发明提供了一种基于二级结构特征编码的药物‑蛋白亲和力预测方法及装置，其中的方法包括：S1：将蛋白氨基酸序列和药物序列进行二级结构切分并向量化。S2：将得到的向量X进行随机掩码得到Xm。S3：搭建多头注意力模型。S4：输入Xm，训练预测模型A，以预测掩码的二级结构为训练目标，直至模型收敛。S5：在模型A的基础上增加分数拟合层。S6：输入X，训练拟合模型B，以预测药物蛋白亲和分数为训练目标，直至模型收敛。S7：将需要预测的药物和蛋白输入模型B，并预测得到亲和分数。本发明使用基于二级结构特征编码的药物蛋白亲和分数预测方法，进行药物的虚拟筛选，为后续生物实验提供指导和减少工作量，加速新药研发。
-
公开(公告)号：CN114783507A
公开(公告)日：2022-07-22
申请号：CN202210368265.1
申请日：2022-04-01
Applicant: 武汉大学
Abstract: 本发明提供了一种基于二级结构特征编码的药物‑蛋白亲和力预测方法及装置，其中的方法包括：S1：将蛋白氨基酸序列和药物序列进行二级结构切分并向量化。S2：将得到的向量X进行随机掩码得到Xm。S3：搭建多头注意力模型。S4：输入Xm，训练预测模型A，以预测掩码的二级结构为训练目标，直至模型收敛。S5：在模型A的基础上增加分数拟合层。S6：输入X，训练拟合模型B，以预测药物蛋白亲和分数为训练目标，直至模型收敛。S7：将需要预测的药物和蛋白输入模型B，并预测得到亲和分数。本发明使用基于二级结构特征编码的药物蛋白亲和分数预测方法，进行药物的虚拟筛选，为后续生物实验提供指导和减少工作量，加速新药研发。
-
-
-
Search Results
4
records
(took 0.014 seconds)
