[发明专利]一种基于机器学习算法提升对接软件虚拟筛选能力的方法

权利要求书

1.一种基于机器学习算法提升对接软件虚拟筛选能力的方法，其特征在于，所述方法包括：

步骤1，构建机器学习模型，依照实施虚拟筛选的目标靶点，收集该靶点下小分子数据构成模型训练的数据集，从PDB数据集中下载靶点蛋白；

步骤2，确定实施所述虚拟筛选的对接软件和打分函数，将数据集中的全部小分子数据对接到靶点蛋白中，输出所有打分函数对应的能量辅助项作为机器学习分类模型的输入特征；

步骤3，对于数据集按照训练集：测试集＝80％：20％的比例进行批分，其中对于数据集中的正样本和负样本进行分层抽样以使活性分子和非活性分子的比例在训练集和测试集中相同；

步骤4，将XGBoost算法作为所述机器学习分类模型，使用网格搜索进行超参数寻优，保留最佳参数组作为模型的最终参数并输出该分类模型；

步骤5，将用于虚拟筛选的外部小分子数据集与靶点蛋白对接，输出每一化合物的全部能量辅助项作为测试的输入特征；

步骤6，将所有分子的能量辅助项输入到已经训练好的模型中，输出每一分子的预测为活性分子的概率值；

步骤7，将所述预测结果的值进行降序排列，确定排名前1％的化合物；

步骤8，对所述排名前1％的化合物做进一步的分子动力学和生物活性测定研究。

2.如权利要求1所述的一种基于机器学习算法提升对接软件虚拟筛选能力的方法，其特征在于，所述步骤1进一步包括：从ChEMBL数据集中挑选模型构建的活性分子和非活性分子，组成所述机器学习模型的数据集。

3.如权利要求2所述的一种基于机器学习算法提升对接软件虚拟筛选能力的方法，其特征在于，所述步骤4进一步包括：使用网格搜索进行超参数优化，所述分类模型最终输出的结果是一个0～1之间的数值，表征化合物是否与蛋白靶点结合的可能性预测，此预测值越接近于1则表示该化合物越有可能是活性分子。

4.如权利要求3所述的一种基于机器学习算法提升对接软件虚拟筛选能力的方法，其特征在于，使用欠采样解决活性分子和诱饵分子比例不平衡问题，对于数据集中的非活性分子，先进行欠采样，使其数目与活性分子达到平衡，随后进行训练集和测试集的批分。

5.如权利要求4所述的一种基于机器学习算法提升对接软件虚拟筛选能力的方法，其特征在于，针对所述训练集中负样本的随机采样次数设置为100次。

6.一种电子设备，其特征在于，包括：

处理器；以及，

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-5任一项所述的基于机器学习算法提升对接软件虚拟筛选能力的方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的基于机器学习算法提升对接软件虚拟筛选能力的方法。