[发明专利]一种分子间的结合活性预测方法及装置

权利要求书

1.一种分子间的结合活性预测方法，其特征在于，包括：

获取蛋白的原始矩阵及小分子的原始矩阵；

提取蛋白的原始矩阵对应的第一特征向量及小分子的原始矩阵对应的第二特征向量；

联锁所述第一特征向量和所述第二特征向量并计算，获得预测模型输出的蛋白和小分子间结合活性的预测结果。

2.如权利要求1所述的分子间的结合活性预测方法，其特征在于，所述获取蛋白的原始矩阵及小分子的原始矩阵，包括：

获取蛋白和小分子的一维序列；

通过预设转换方法将蛋白的一维序列转换为对应的原始矩阵，将小分子的一维序列转换为对应的原始矩阵；其中，预设转换方法包括独热编码。

3.如权利要求1所述的分子间的结合活性预测方法，其特征在于，所述提取蛋白的原始矩阵对应的第一特征向量及小分子的原始矩阵对应的第二特征向量，包括：

对蛋白的原始矩阵和小分子的原始矩阵分别进行卷积处理，获得蛋白的原始矩阵对应的第一特征向量及小分子的原始矩阵对应的第二特征向量。

4.如权利要求1所述的分子间的结合活性预测方法，其特征在于，所述联锁所述第一特征向量和所述第二特征向量并计算，获得预测模型输出的蛋白和小分子间结合活性的预测结果，包括：

联锁所述第一特征向量和所述第二特征向量；

对联锁后的第一特征向量和第二特征向量进行全连接处理，获得预测模型输出的蛋白和小分子间结合活性的预测结果。

5.如权利要求4所述的分子间的结合活性预测方法，其特征在于，所述对联锁后的第一特征向量和第二特征向量进行全连接处理，获得预测模型输出的蛋白和小分子间结合活性的预测结果，包括：

对联锁后的第一特征向量和第二特征向量进行面向分类处理，获得预测模型输出的蛋白和小分子间是否具有结合活性的预测结果；

若预测结果为蛋白和小分子间具有结合活性，则对联锁后的第一特征向量和第二特征向量进行回归处理，获得预测模型输出的蛋白和小分子间结合活性大小的预测结果。

6.如权利要求1所述的分子间的结合活性预测方法，其特征在于，所述取蛋白的原始矩阵及小分子的原始矩阵之前，还包括：

获取样本数据；

通过样本数据对所述预测模型进行预训练，获得预训练后的预测模型；其中，所述预测模型包括深度学习模型。

7.如权利要求6所述的分子间的结合活性预测方法，其特征在于，所述通过样本数据对所述预测模型进行预训练，获得预训练后的预测模型，包括：

通过损失函数对样本数据进行处理，实现对预测模型的预训练过程，获得预训练后的预测模型；其中，损失函数包括交叉熵和均方误差中的至少一种。

8.一种分子间的结合活性预测装置，其特征在于，包括：

第一获取模块，用于获取蛋白的原始矩阵及小分子的原始矩阵；

提取模块，用于提取蛋白的原始矩阵对应的第一特征向量及小分子的原始矩阵对应的第二特征向量；

联锁模块，用于联锁所述第一特征向量和所述第二特征向量并计算，获得预测模型输出的蛋白和小分子间结合活性的预测结果。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。