基于门控注意力机制的靶标-配体结合亲和力的深度学习预测方法

摘要

本发明涉及基于门控注意力机制的靶标‑配体结合亲和力的深度学习预测方法，属于计算机辅助药物设计技术以及生物和药物信息学领域。深度学习模型从配体的SMILES字符串和蛋白质的氨基酸序列开始，然后分别转换为配体矩阵和蛋白质矩阵。配体矩阵被送到全连接层和基于门增强的注意力层用于特征提取，将蛋白质矩阵送到一维卷积层和最大池化层，然后再送入基于门增强的注意力层。最后，通过矩阵行的加和来聚合配体矩阵的处理特征，并对蛋白质矩阵执行相同的过程，然后将两者拼接在一起送入后续的全连接层以预测蛋白质‑配体复合物的高/低结合亲和力的概率。本发明有效减少与实验分析相关的时间和成本，提高药物设计和虚拟筛选的效率。