[发明专利]蛋白质表示模型预训练、蛋白质相互作用预测方法和装置

权利要求书

1.一种蛋白质表示模型的预训练方法，包括：

获取蛋白质的氨基酸序列、功能信息和结构信息；

根据所述氨基酸序列、所述功能信息和所述结构信息，对所述蛋白质表示模型进行预训练；

所述根据所述氨基酸序列、所述功能信息和所述结构信息，对所述蛋白质表示模型进行预训练：

将所述氨基酸序列、所述功能信息和所述结构信息输入到所述蛋白质表示模型，以得到融合表示向量；

确定所述融合表示向量对应的预测蛋白质，根据所述蛋白质和所述预测蛋白质，对所述蛋白质表示模型进行预训练。

2.根据权利要求1所述的方法，其中，所述根据所述氨基酸序列、所述功能信息和所述结构信息，对所述蛋白质表示模型进行预训练，包括：

将所述功能信息替换为一个掩码，并根据所述氨基酸序列、所述结构信息和所述蛋白质，对所述蛋白质表示模型进行预训练；和/或者；

将所述功能信息以及所述结构信息分别替换为一个掩码字符，并根据所述氨基酸序列和所述蛋白质，对所述蛋白质表示模型进行预训练；和/或者

将所述结构信息替换为一个掩码字符，并根据所述氨基酸序列、所述功能信息和所述蛋白质，对所述蛋白质表示模型进行预训练。

3.根据权利要求2所述的方法，其中，所述方法还包括：

对所述氨基酸序列中的待掩码氨基酸进行掩码处理，以得到掩码后的氨基酸序列；

根据所述待掩码氨基酸、所述掩码后的氨基酸序列、所述功能信息和所述结构信息，对所述蛋白质表示模型进行预训练。

4.根据权利要求3所述的方法，其中，所述根据所述待掩码氨基酸、所述掩码后的氨基酸序列、所述功能信息和所述结构信息，对所述蛋白质表示模型进行预训练，包括：

将所述掩码后的氨基酸序列、所述功能信息和所述结构信息输入至所述蛋白质表示模型，以得到第一融合表示向量；

根据所述第一融合表示向量，确定所述待掩码氨基酸对应的氨基酸预测结果；

根据所述待掩码氨基酸以及所述氨基酸预测结果，对所述蛋白质表示模型进行预训练。

5.根据权利要求4所述的方法，其中，所述将所述掩码后的氨基酸序列、所述功能信息和所述结构信息输入至所述蛋白质表示模型，以得到第一融合表示向量，包括：

分别确定所述掩码后的氨基酸序列、所述结构信息和掩码处理后的所述功能信息中各字符对应的字符向量以及位置向量；

将所述掩码后的氨基酸序列、所述结构信息和所述功能信息中各字符对应的字符向量以及位置向量进行联合，以得到各个字符对应的联合向量；

将各个字符对应的联合向量输入到所述蛋白质表示模型中，以得到所述第一融合表示向量。

6.根据权利要求2-5任一项所述的方法，其中，所述方法还包括：

对所述功能信息中的待掩码字符进行掩码处理，以得到掩码后的功能信息；

根据所述待掩码字符、所述掩码后的功能信息、所述功能信息和所述结构信息，对所述蛋白质表示模型进行预训练。

7.根据权利要求6所述的方法，其中，所述根据所述待掩码字符、所述掩码后的功能信息、所述功能信息和所述结构信息，对所述蛋白质表示模型进行预训练，包括：

将所述掩码后的功能信息、所述功能信息和所述结构信息输入至所述蛋白质表示模型中，以得到第二融合表示向量；

根据所述第二融合表示向量，确定所述待掩码字符对应的字符预测结果；

根据所述待掩码字符以及所述字符预测结果，对所述蛋白质表示模型进行预训练。

8.根据权利要求1所述的方法，其中，所述结构信息通过下述方式得到：

获取所述蛋白质的结构文件；

从所述结构文件中提取所述蛋白质的重原子组成的点云；

根据所述点云，确定所述蛋白质的拓扑复型的条形码信息；

对所述条形码信息进行离散化，以得到所述蛋白质的结构信息。