[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

说明书

本发明公开了基于多深度学习模型共识的化合物靶蛋白绑定预测方法，包括以下步骤：获取化合物靶蛋白绑定/非绑定数据；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；分别构建并训练多个化合物靶蛋白绑定/非绑定深度学习模型，提取化合物靶蛋白绑定/非绑定的特征，获得多个最终化合物靶蛋白绑定/非绑定深度学习模型；通过上一步的多个化合物靶蛋白绑定/非绑定深度学习模型预测得到多组化合物靶蛋白绑定/非绑定关系；将得到的多组绑定关系结果集成得到共识的绑定关系，将得到的多组非绑定关系结果集成得到共识的非绑定关系。本发明具有假阳性率低、正确率高的特点，适合推广应用。

技术领域

本发明属于医药研发技术领域，涉及一种基于多深度学习模型共识的化合物靶蛋白绑定预测方法。

背景技术

利用现在已有的主流深度学习模型(全连接神经网络模型、卷积神经网络模型、递归神经网络模型、编码器-解码器网络和深度置信网络)，抽取化合物靶蛋白绑定关系的特征，从而预测新的化合物靶蛋白绑定关系，对于新药发现/研发和中药作用机理的研究具有重要的现实意义。然而，尽管这些模型可以达到很高的训练正确率(90％)，但是高企的预测假阳性率(90％)阻止了深度学习模型在该领域的进一步应用。如何降低化合物靶蛋白绑定关系预测的假阳性率，到目前为止仍是一个世界难题。

现有技术利用化合物靶蛋白绑定关系(参见图1)的化学信息学软件，全人工进行，需要调整的参数众多，成功率低，存在假阳性高的问题。Deng，N等人(J.Phys.Chem.B 2015,119,976-988.)和Nataraj S等人(Biophys Rev(2017)9:91–102.DOI 10.1007/s12551-016-0247-1)分别从化合物靶蛋白绑定自由能计算(free energy calculation) 和化合物靶蛋白绑定软件综述两个方面讨论了化合物靶蛋白绑定预测中存在的参数众多，成功率低，存在假阳性高的问题。

因此，开发一种假阳性率低、正确率高的化合物靶蛋白绑定预测方法是十分必要的。

发明内容

本发明的目的在于克服现有技术中存在的问题，提出了一种基于多深度学习模型共识的化合物靶蛋白绑定预测方法。

其技术方案如下：

一种基于多深度学习模型共识的化合物靶蛋白绑定预测方法，包括以下步骤：

(1)获取化合物靶蛋白绑定数据(正样本)和化合物-靶蛋白非绑定数据(负样本)；

(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(正/ 负样本集)；

构建多个不同的化合物靶蛋白绑定深度学习模型(正模型)，采用多个不同的正/负样本集，比例分别为(1:1)、(2:1)、(4:1)、(6:1)、(8:1)，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(正)，提取多组化合物靶蛋白绑定的特征(正特征)，获得多个不同的最终化合物靶蛋白绑定深度学习模型(正模型)；和

构建多个不同的化合物-靶蛋白非绑定深度学习初步模型(负模型)，采用多个不同的正/负样本集，比例分别为(1:1)、(1:2)、(1:4)、(1:6)、(1:8)，负向训练多个不同的取化合物-靶蛋白非绑定深度学习模型(负)，提取多组化合物靶蛋白绑定的特征(负特征)，得到多个不同的最终化合物-靶蛋白非绑定深度学习模型(负模型)；

(3)通过多个不同的正模型预测得到多组化合物靶蛋白绑定关系(正)；通过多个不同的负模型预测得到多组化合物-靶蛋白非绑定关系(负)；

(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；