[发明专利]蛋白质-配体复合物的分类方法及分类装置

权利要求书

1.一种蛋白质-配体复合物的分类方法，其特征在于，包括：

获取结合蛋白质-配体复合物的信息作为正样本，获取非结合蛋白质-配体复合物的信息作为负样本，以所述正样本和负样本构造类图片矩阵作为输入数据；

构建残基神经网络二分类模型，所述残基神经网络二分类模型以所述输入数据按预设比例划分出的训练集进行训练；

所述残基神经网络二分类模型根据所述输入数据按预设比例划分出的验证集和测试集选择超参数，获得训练完成的残基神经网络二分类模型；

采用训练完成的残基神经网络二分类模型执行蛋白质-配体复合物的二分类。

2.根据权利要求1所述的蛋白质-配体复合物的分类方法，其特征在于，从蛋白质数据库中获取结合蛋白质-配体复合物和非结合蛋白质-配体复合物的空间结构信息，采用独热编码表示维度对应蛋白质的原子类型数目的蛋白质原子类型向量和维度对应配体的原子类型数目的配体原子类型向量，以构造所述类图片矩阵。

3.根据权利要求2所述的蛋白质-配体复合物的分类方法，其特征在于，所述结合蛋白质-配体复合物和非结合蛋白质-配体复合物的空间结构信息包括蛋白质与配体的界面接触信息，以所述正样本和负样本构造类图片矩阵作为输入数据前，采用空间聚类法对正样本和负样本中的蛋白质原子进行分类，根据聚类和原子类型选择数据输入的排列。

4.根据权利要求1所述的蛋白质-配体复合物的分类方法，其特征在于，所述残基神经网络二分类模型包括依序连接的第一conv_block、连接在所述第一conv_block以后的一个以上的identity_block、第二conv_block、连接在所述conv_block以后的一个以上的identity_block以及全连接层。

5.根据权利要求4所述的蛋白质-配体复合物的分类方法，其特征在于，所述全连接层包括依序连接的最大池化层、平坦层以及密集层，所述密集层对应的激活函数为sigmoid函数。

6.根据权利要求4所述的蛋白质-配体复合物的分类方法，其特征在于，所述第一conv_block包括第一个二维卷积层、第二个二维卷积层以及第三个二维卷积层，其中，所述第一个二维卷积层的卷积核大小为1×1，步长为1；所述第二个二维卷积层的卷积核大小为3×3，步长为1；所述第二个二维卷积层的卷积核大小为1×1，步长为1，

所述第二conv_block包括第四个二维卷积层、第五个二维卷积层以及第六个二维卷积层，其中，所述第四个二维卷积层的卷积核大小为1×1，步长为2；所述第五个二维卷积层的卷积核大小为3×3，步长为1；所述第六个二维卷积层的卷积核大小为1×1，步长为1。

7.根据权利要求4所述的蛋白质-配体复合物的分类方法，其特征在于，连接在所述第一conv_block以后的最后一个identity_block与所述第二conv_block之间设置有dropout层，连接在所述conv_block以后的最后一个identity_block与最大池化层之间设置有dropout层。

8.根据权利要求1所述的蛋白质-配体复合物的分类方法，其特征在于，所述结合蛋白质-配体复合物为天然蛋白质-小分子复合物，所述非结合蛋白质-配体复合物为对接蛋白质-小分子复合物。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有蛋白质-配体复合物的分类程序，所述蛋白质-配体复合物的分类程序用于被处理器执行以实现如权利要求1至8任一项所述的蛋白质-配体复合物的分类方法。

10.一种蛋白质-配体复合物的分类装置，其特征在于，包括处理器和存储器，所述存储器存储有可在所述处理器上运行的蛋白质-配体复合物的分类程序，所述蛋白质-配体复合物的分类程序用于被所述处理器执行以实现如权利要求1至8任一项所述的蛋白质-配体复合物的分类方法。