[发明专利]蛋白质与小分子样本生成及结合能、结合构象预测方法

权利要求书

1.一种小分子和蛋白质结合样本生成方法，其特征在于，包括如下步骤：

当小分子与蛋白质之间存在相互配合的目标给体和目标受体，判断所述目标给体和目标受体是否存在相互作用；

当所述目标给体与所述目标受体存在相互作用，则按照预设规则，建立所述目标给体与所述目标受体的空间构象数据，得到所述小分子和蛋白质结合样本。

2.根据权利要求1所述的方法，其特征在于，目标给体和目标受体的相互作用包括氢键相互作用、卤键相互作用、疏水基团相互作用、芳香环相互作用。

3.根据权利要求1所述的方法，其特征在于，判断所述目标给体和目标受体是否存在相互作用，包括：

确定所述目标给体与所述目标受体的作用范围；

根据所述目标给体与所述目标受体的作用范围确定所述目标给体与所述目标受体是否存在相互作用。

4.根据权利要求3所述的方法，其特征在于，所述确定所述目标给体与所述目标受体的作用范围，包括：

当目标给体和目标受体的相互作用为氢键相互作用时，作用范围为以所述目标给体和所述目标受体为中心，半径4.5埃的圆形区域；

当目标给体和目标受体的相互作用为卤键相互作用时，作用范围为以所述目标给体和所述目标受体为中心，半径4.5埃的圆形区域；

当目标给体和目标受体的相互作用为疏水基团相互作用时，作用范围为以所述目标给体和所述目标受体为中心，半径6埃的圆形区域；

当目标给体和目标受体的相互作用为芳香环相互作用时，作用范围为以所述目标给体和所述目标受体为中心，半径6埃的圆形区域。

5.一种小分子和蛋白质结合能预测模型训练方法，其特征在于，包括如下步骤：

获取权利要求1－4任一所述分子样本；

将所述分子样本根据不同目标给体和目标受体的相互作用，输入至对应的神经网络模型进行训练；

当每一个所述神经网络模型的损失函数值小于预设函数值，得到对应不同目标给体和目标受体的相互作用的小分子和蛋白质结合能预测模型。

6.一种小分子和蛋白质结合构象预测模型训练方法，其特征在于，包括如下步骤：

获取权利要求1－4任一所述分子样本；

对所述分子样本对应的空间构象进行变换，形成所述分子样本对应的新空间构象；

根据所述新空间构象与所述分子样本的真实构象，得到所述新空间构象的样本标签；

将所述分子样本的新构象以及样本标签根据不同目标给体和目标受体的相互作用，输入至对应的神经网络模型进行训练；

当每一个所述神经网络模型的损失函数值小于预设函数值，得到对应的小分子和蛋白质结合构象预测模型。

7.一种小分子和蛋白质结合能预测方法，其特征在于，包括如下步骤：

获取小分子和蛋白质的三维图像；

根据权利要求1－4任一所述的分子样本生成方法，对所述小分子和蛋白质的三维图像进行处理，得到目标样本；

根据不同目标给体和目标受体的相互作用将目标样本输入至小分子和蛋白质结合能预测模型；

根据小分子和蛋白质结合能预测模型对对应的目标给体以及对应受体进行打分，得到所述小分子和蛋白质结合能预测结果。

8.一种小分子和蛋白质结合构象预测方法，其特征在于，包括如下步骤：

获取小分子和蛋白质的三维图像；

根据权利要求1－4任一所述的分子样本生成方法，对所述小分子和蛋白质的三维图像进行处理，得到目标样本；

将所述小分子和蛋白质的目标样本输入至小分子和蛋白质结合构象预测模型，得到所述小分子和蛋白质结合构象预测结果。