[发明专利]用于训练确定分子结合力的预测模型的方法和装置

说明书

本公开公开了训练用于确定分子结合力的预测模型的方法和装置，涉及人工智能领域，尤其涉及深度学习领域中的图神经网络。根据一种实施例的具体实现方案包括：基于第一分子和第二分子的三维结构信息，构建虚拟复合分子。方案还包括：利用预测模型，基于虚拟复合分子，确定第一分子和第二分子之间的预测结合力以及预测交互矩阵，预测交互矩阵指示第一分子中的原子与第二分子中的原子之间基于元素类型和距离的交互作用。方案还包括：通过使基于预测结合力与真实结合力的差异和预测交互矩阵与真实交互矩阵的差异的目标损失函数最小化，来训练预测模型。以此方式，能够使预测模型学习分子之间的远距离交互信息，从而更好地确定分子结合力。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习领域中的图神经网络。更具体地，本公开涉及用于训练确定分子结合力的预测模型的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

在计算生物和计算化学领域，分子结合力的有效预测对于复合物(也称为复合分子)的生化特性的理解至关重要。例如，蛋白质-配体的结合力可以体现二者之间结合反应的强度，即配体对于蛋白质作用的有效程度。因此，分子结合力的有效预测可以帮助筛选新药、加快药物研发以及减少研发成本。

发明内容

本公开提供了一种训练用于确定分子结合力的预测模型的方法、装置、设备以及存储介质。

根据本公开的第一方面，提供了一种训练用于确定分子结合力的预测模型的方法，该方法包括：基于第一分子和第二分子的三维结构信息，构建虚拟复合分子，虚拟复合分子包括第一分子的虚拟表示以及第二分子的至少一部分的虚拟表示。方法还包括利用预测模型，基于虚拟复合分子，确定第一分子和第二分子之间的预测结合力以及预测交互矩阵，预测交互矩阵指示第一分子中的原子与第二分子中的原子之间基于元素类型和距离的交互作用。方法还包括通过使基于预测结合力与真实结合力的差异和预测交互矩阵与真实交互矩阵的差异的目标损失函数最小化，来训练预测模型。

根据本公开的第二方面，提供了一种用于训练用于确定分子结合力的预测模型的装置。该装置包括构建模块，被配置为基于第一分子和第二分子的三维结构信息，构建虚拟复合分子，虚拟复合分子包括第一分子的虚拟表示以及第二分子的至少一部分的虚拟表示。装置还包括确定模块，被配置为利用预测模型，基于虚拟复合分子，确定第一分子和第二分子之间的预测结合力以及预测交互矩阵，预测交互矩阵指示第一分子中的原子与第二分子中的原子之间基于元素类型和距离的交互作用。装置还包括训练模块，被配置为通过使基于预测结合力与真实结合力的差异和预测交互矩阵与真实交互矩阵的差异的目标损失函数最小化，来训练预测模型。

根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，该存储器存储有可被至少一个处理器执行的指令，该指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开的第一方面所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开的第一方面所述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时，实现根据本公开的第一方面所述的方法。

根据本公开的方案能够使预测模型学习分子之间的远距离交互信息，从而更好地确定分子结合力。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开实施例的用于训练预测模型的系统的架构图；

图2是根据本公开实施例的构建虚拟复合分子的示意图；