[发明专利]药物与靶标的相互作用预测方法、装置、设备及存储介质

说明书

本申请公开了药物与靶标的相互作用预测方法、装置、设备及存储介质，属于计算机技术领域。方法包括：获取药物‑靶标对的样本集；获取样本集中的药物的第一特征和靶标的第一特征；基于样本集中药物的第一特征、靶标的第一特征、以及药物‑靶标对的相互作用信息，训练从药物空间到靶标空间的投影模型，得到目标投影模型；当接收到目标药物与目标靶标的预测指令时，获取目标药物的第一特征和目标靶标的第一特征，将目标药物的第一特征和目标靶标的第一特征输入目标投影模型，输出目标药物与目标靶标的相互作用结果。基于上述过程，目标投影模型的训练效果较好，基于目标投影模型预测的药物与靶标的相互作用的准确率较高。

技术领域

本申请实施例涉及计算机技术领域，特别涉及一种药物与靶标的相互作用预测方法、装置、设备及存储介质。

背景技术

当前，研发全新结构的药物存在耗资巨大、风险较高、周期漫长而且成功率很低的问题。针对这些问题，药物重定位技术成为药物研发的重要策略。药物重定位指的是对已有药物进行筛选、组合或改造，从而发掘已有药物新适应症的过程。在药物重定位的过程中，预测药物与靶标之间的相互作用有助于研究人员寻找已有药物的新靶标或者发现作用于已知靶标的新药物。如何预测药物与靶标的相互作用是药物重定位领域的研究焦点。

相关技术中在预测药物与靶标的相互作用过程中，基于药物的化学结构提取药物的特征向量，基于靶标的蛋白质序列提取靶标的特征向量，然后将提取的特征向量作为输入，训练分类器，根据训练好的分类器预测药物与靶标的相互作用。

在实现本申请的过程中，发明人发现相关技术至少存在以下问题：

相关技术中，基于药物的化学结构提取药物的特征向量，基于靶标的蛋白质序列提取靶标的特征向量，提取特征向量的过程中仅关注了药物和靶标本身的特征，提取的特征向量不能充分反映药物和靶标的原始特征，使得分类器的训练效果较差，基于分类器预测的药物与靶标的相互作用的准确率较低。

发明内容

本申请实施例提供了一种药物与靶标的相互作用预测方法、装置、设备及存储介质，可用于解决相关技术中的问题。所述技术方案如下：

一方面，本申请实施例提供了一种药物与靶标的相互作用预测方法，所述方法包括：

获取药物-靶标对的样本集，所述样本集中包括作为正样本的药物-靶标对和作为负样本的药物-靶标对，所述正样本中的药物-靶标对具有已知的相互作用信息，所述负样本中的药物-靶标对不具有已知的相互作用信息；

获取所述样本集中的药物的第一特征和靶标的第一特征，所述药物的第一特征用于表示所述药物相对于其他药物的特征，所述靶标的第一特征用于表示所述靶标相对于其他靶标的特征；

基于所述样本集中药物的第一特征、靶标的第一特征、以及所述药物-靶标对的相互作用信息，训练从药物空间到靶标空间的投影模型，得到目标投影模型；

当接收到目标药物与目标靶标的预测指令时，获取所述目标药物的第一特征和所述目标靶标的第一特征，将所述目标药物的第一特征和所述目标靶标的第一特征输入所述目标投影模型，输出所述目标药物与所述目标靶标的相互作用结果。

另一方面，提供了一种药物与靶标的相互作用预测装置，所述装置包括：

获取模块，用于获取药物-靶标对的样本集，所述样本集中包括作为正样本的药物-靶标对和作为负样本的药物-靶标对，所述正样本中的药物-靶标对具有已知的相互作用信息，所述负样本中的药物-靶标对不具有已知的相互作用信息；

所述获取模块，还用于获取所述样本集中的药物的第一特征和靶标的第一特征，所述药物的第一特征用于表示所述药物相对于其他药物的特征，所述靶标的第一特征用于表示所述靶标相对于其他靶标的特征；