[发明专利]一种离子液体对乙酰胆碱酯酶的毒性预测方法及系统

说明书

本发明涉及生化材料图像识别领域，且公开了一种离子液体对乙酰胆碱酯酶的毒性预测方法，包括以下步骤：获取离子液体的基础信息；生成离子液体对乙酰胆碱酯酶毒性的深度学习待预测图像；使用VGG19_BN卷积神经网络进行深度学习训练，得到端到端的已知离子液体对乙酰胆碱酯酶毒性的深度学习模型；将新的离子液体样本、新的乙酰胆碱酯酶样本进行处理，得到拼接后的未知离子液体对乙酰胆碱酯酶毒性的待预测图像作为测试集，然后将测试集的待预测图像输入训练完成的VGG19_BN卷积神经网络进行深度学习，输出预测的EC50实验值，从而完成离子液体对乙酰胆碱酯酶的毒性预测。

技术领域

本发明涉及生化材料图像识别领域，具体为一种离子液体对乙酰胆碱酯酶的毒性预测方法及系统。

背景技术

离子液体(ILs)是一种主要是由有机阳离子和有机/无机阴离子组成的有机盐，因其在室温或接近室温温度下呈液态故而被称为离子液体。大量的研究表明，ILs可以引起各种生物的毒性，如藻类、细菌、鱼、植物、哺乳动物等。乙酰胆碱酯酶是生物神经传导中的一种关键性酶，可以催化乙酰胆碱和其他一些起神经递质作用的胆碱酯类物质的分解，从而阻止神经递质对突触后膜的兴奋作用，保证神经信号在生物体中的正常传递。国内外研究发现某些ILs可以影响乙酰胆碱酯酶(AChE)的活性，AChE若被抑制会导致如激越、缩瞳，甚至严重的神经肌肉疾病等生物医学问题。因此，在不同类型ILs大规模应用之前必须明确其毒性风险。

在现有技术中，离子液体对乙酰胆碱酯酶的抑制作用及机理通过生化实验测定获得。但是传统毒性实验昂贵、耗时费力，且严重依赖于实验人员测试人员的技术水平。另一方面，传统的定量构效关系研究通过机器学习方法实现特定效应的预测，但这些机器学习方法只针对小分子化合物本身的性质，没有考虑学习过ILs与生物体系(如蛋白)的整体相互作用方式，且采用描述符计算的方式容易造成对分子的结构表达不清楚的问题，难以移植到对高分子化合物的预测上，更无法用于解释离子液体对乙酰胆碱酯酶的作用，为此我们提出了一种离子液体对乙酰胆碱酯酶的毒性预测方法及系统。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种离子液体对乙酰胆碱酯酶的毒性预测方法及系统，解决了上述的问题。

(二)技术方案

为实现上述所述目的，本发明提供如下技术方案：一种离子液体对乙酰胆碱酯酶的毒性预测方法，包括以下步骤：

第一步：获取离子液体的基础信息；

第二步：生成离子液体对乙酰胆碱酯酶毒性的深度学习待预测图像；

第三步：使用VGG19_BN卷积神经网络进行深度学习训练，得到端到端的已知离子液体对乙酰胆碱酯酶毒性的深度学习模型；

第四步：将新的离子液体样本、新的乙酰胆碱酯酶样本进行处理，得到拼接后的未知离子液体对乙酰胆碱酯酶毒性的待预测图像作为测试集，然后将测试集的待预测图像输入训练完成的VGG19_BN卷积神经网络进行深度学习，输出预测的EC50实验值，从而完成离子液体对乙酰胆碱酯酶的毒性预测。

优选的，所述第二步的具体步骤包括以下内容：

S1：将收集到的离子液体的SMILES标准化，生成对应的二维结构图像；

S2：将乙酰胆碱酯酶结合离子液体得到相应的空腔三维结构，并将空腔三维结构特征最明显处进行切片得到空腔的二维彩色切片图像；

S3：将离子液体阳离子、阴离子各自的二维结构彩色图像、空腔的二维彩色切片图像进行拼接形成训练图像。

优选的，所述二维结构图像中对不同的原子进行区别着色，具体为氮元素着蓝色、氧元素着红色、硫元素着黄色、碳元素着黑色、氟元素着蓝色、磷元素着橙色、氢元素不着色且不予显示，不同原子之间的化学键一分为二与所连接的原子颜色相同。