[发明专利]药物与靶标的相互作用预测方法、装置、设备及存储介质

权利要求书

1.一种药物与靶标的相互作用预测方法，其特征在于，所述方法包括：

获取药物的分子图；

调用预先构建的图神经网络提取所述分子图中的药物特征；

根据重启随机游走算法对所述分子图进行处理，预测所述分子图中相邻两个节点之间的药物特征的相似度，得到全局结构信息；其中，所述全局结构信息用于描述所述分子图中相邻两个节点之间的药物特征的相似度；

将所述全局结构信息输入预设的深度神经网络中，得到所述药物的低维特征信息；

获取靶标的蛋白质序列，调用长短期记忆网络对所述蛋白质序列进行处理，得到蛋白质特征；

将所述低维特征信息及蛋白质特征输入预设的全连接层，以预测所述药物与所述靶标的相互作用结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述低维特征信息及蛋白质特征输入预设的全连接层，以预测所述药物与所述靶标的相互作用结果，包括：

将所述低维特征信息及蛋白质特征输入预设的全连接层，得到所述全连接层输出的布尔值；

根据所述布尔值确定所述药物与所述靶标的相互作用结果。

3.根据权利要求1所述的方法，其特征在于，所述获取药物的分子图，包括：

从数据库中获取所述药物的SMILES表达式；

通过RDKit工具，以所述药物的每个原子作为节点，原子与原子之间的元素键作为边，将所述药物的SMILES表达式转换为分子图。

4.根据权利要求1所述的方法，其特征在于，所述获取药物的分子图，包括：

从数据库中获取所述药物的SMILES表达式；

将所述SMILES表达式输入预先训练好的分子图模型中，得到所述药物的分子图。

5.根据权利要求4所述的方法，其特征在于，所述将所述SMILES表达式输入预先训练好的分子图模型中，得到所述药物的分子图之前，还包括：

获取训练集；其中，所述训练集包括多个药物的标准SMILES表达式及对应的标准分子图；

根据所述训练集对神经网络模型进行训练；

获取所述神经网络模型训练后的训练结果，判断所述训练结果是否满足要求；

若是，将训练后的所述神经网络模型作为分子图模型。

6.根据权利要求5所述的方法，其特征在于，所述判断所述训练结果是否满足要求，包括：

根据所述训练结果及预设的损失函数计算训练后的所述神经网络模型的损失值；

判断所述损失值是否低于预设损失值；

若是，判定所述训练结果满足要求；

若否，判定所述训练结果不满足要求。

7.根据权利要求1所述的方法，其特征在于，所述预测所述分子图中相邻两个节点之间的药物特征的相似度，包括：

将所述分子图中相邻两个节点之间的药物特征转换为向量，得到相邻两个节点对应的第一向量及第二向量；

计算所述第一向量与第二向量之间的夹角的余弦值；

根据所述余弦值确定所述分子图中相邻两个节点之间的药物特征的相似度。

8.一种药物与靶标的相互作用预测装置，其特征在于，所述装置包括：

获取模块，用于获取药物的分子图；

第一调用模块，用于调用预先构建的图神经网络提取所述分子图中的药物特征；

预测模块，用于根据重启随机游走算法对所述分子图进行处理，预测所述分子图中相邻两个节点之间的药物特征的相似度，得到全局结构信息；其中，所述全局结构信息用于描述所述分子图中相邻两个节点之间的药物特征的相似度；

第一输入模块，用于将所述全局结构信息输入预设的深度神经网络中，得到所述药物的低维特征信息；

第二调用模块，用于获取靶标的蛋白质序列，调用长短期记忆网络对所述蛋白质序列进行处理，得到蛋白质特征；

第二输入模块，用于将所述低维特征信息及蛋白质特征输入预设的全连接层，以预测所述药物与所述靶标的相互作用结果。