[发明专利]基于多深度学习模型共识的化合物靶蛋白绑定预测方法

权利要求书

1.基于多深度学习模型共识的化合物靶蛋白绑定预测方法，其特征在于，包括以下步骤：

(1)获取化合物靶蛋白绑定数据和化合物-靶蛋白非绑定数据；

(2)抽取多个不同的用于训练、测试及验证的化合物靶蛋白绑定/非绑定数据集，根据九种正负样本比例抽取化合物靶蛋白绑定/非绑定数据并合成总数据集，划分得到训练集、测试集及验证集；

构建多个不同的化合物靶蛋白绑定深度学习模型，采用九种比例的样本集正向训练多个不同的化合物靶蛋白绑定/非绑定深度学习模型，提取化合物靶蛋白绑定的特征，获得多个不同的最终化合物靶蛋白绑定深度学习模型；和构建多个不同的化合物-靶蛋白非绑定深度学习模型，采用九种比例的样本集负向训练多个不同的化合物-靶蛋白非绑定深度学习模型，提取化合物靶蛋白绑定的特征，得到多个不同的最终化合物-靶蛋白非绑定深度学习模型；

(3)通过多个不同的最佳化合物靶蛋白绑定的深度学习模型进行预测、以得到多组化合物靶蛋白绑定关系；和通过多个化合物-靶蛋白非绑定的深度学习模型进行预测、以得到多组化合物-靶蛋白非绑定关系；

(4)将步骤(3)中得到的多组绑定关系结果集成得到共识的绑定关系，将步骤(3)中得到的多组非绑定关系结果集成得到共识的非绑定关系；

(5)精简的化合物靶蛋白绑定关系＝共识的绑定关系-共识的非绑定关系；

所述步骤(1)进一步包括：化合物靶蛋白绑定数据的获取包括从科技文献和/或网上公开的化合物靶蛋白绑定数据库中获取；

所述数据库包括：ChemSpider,PubChem,BindingDB,ZINC或ChEMBL，或它们中两种或两种以上的组合；

所述步骤(1)进一步包括：化合物-靶蛋白非绑定数据为随机生成化合物-靶蛋白的数据从中排除化合物靶蛋白绑定数据后的化合物-靶蛋白非绑定数据；

所述化合物靶蛋白绑定数据、化合物-靶蛋白非绑定数据的比例范围为(0.1:1)～(1:100)之间；化合物靶蛋白绑定数据(正样本)、化合物-靶蛋白非绑定数据(负样本)用于训练负模型的比例分别为(1:1)、(1:2)、(1:4)、(1:6)、(1:8)，用于训练正模型的比例分别为(1:1)、(2:1)、(4:1)、(6:1)、(8:1)。

2.根据权利要求1所述的基于多深度学习模型共识的化合物靶蛋白绑定预测方法，其特征在于，所述步骤(2)中多个不同的深度学习模型中的单个模型由以下任意一种类型组成：递归神经网络模型、全连接神经网络模型、卷积神经网络模型、或编码器-解码器网络模型。

3.根据权利要求1所述的基于多深度学习模型共识的化合物靶蛋白绑定预测方法，其特征在于，所述步骤(2)进一步包括：

所述多个不同的训练、测试及验证化合物靶蛋白绑定/非绑定数据集中的单个绑定/非绑定数据集为：将正/负样本数据按照98:1:1的比例随机抽取分成训练、测试和验证数据集，随机打乱顺序后，随机抽取128个样本数据为一组，导入单个深度学习模型进行训练，训练中当loss值不再降低时、终止训练，从而得到一组化合物靶蛋白绑定/非绑定的特征。

4.根据权利要求3所述的基于多深度学习模型共识的化合物靶蛋白绑定预测方法，其特征在于，所述步骤(2)进一步包括：

将正/负样本集的标签分别设置为绑定[1,0]和非绑定[0,1](或者对偶的绑定[0,1]和非绑定[1,0])以进行训练；和将正/负样本集的标签分别设置为绑定[0,1]和非绑定[1,0](或者对偶的绑定[1,0]和非绑定[0,1])以进行训练。