浙江大学盛荣获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉浙江大学申请的专利基于蛋白质序列的药物靶点相互作用预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119649896B 。
龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411664188.X,技术领域涉及:G16B15/30;该发明授权基于蛋白质序列的药物靶点相互作用预测方法是由盛荣;陈庚;廖金标;俞言真设计研发完成,并于2024-11-20向国家知识产权局提交的专利申请。
本基于蛋白质序列的药物靶点相互作用预测方法在说明书摘要公布了:本发明公开了一种基于蛋白质序列的药物靶点相互作用预测方法,包括:构建药物靶点数据库;构建基于预训练蛋白质语言模型的靶点特征提取器;构建基于预训练分子模型的药物特征提取器;采用自注意力机制构建特征学习方法,采用交叉注意力机制构建药物靶点相互作用学习方法,结合线性层构建预测器,搭建预测药物靶点相互作用模型;训练并优化药物靶点相互作用预测模型的参数,得到优化后的药物靶点预测模型;药物靶点输入到优化后的预测模型中,输出预测结果,最后通过注意力分数可视化,标注出药物与靶点潜在的活性位点和重要氨基酸残基。本发明实现了基于蛋白质序列预测药物与靶点相互作用精度的提升,并实现了深度学习模型的可解释性。
本发明授权基于蛋白质序列的药物靶点相互作用预测方法在权利要求书中公布了:1.一种基于蛋白质序列的药物靶点预测方法,其特征在于,包括以下步骤: 1构建药物靶点相互作用数据库,获取靶点-药物对的相关数值,包括IC50,EC50,Ki和Kd,以及根据靶点名称获取对应的蛋白质的UniProt序列和根据化学信息包获取的药物SMILES序列; 2构建基于预训练蛋白质语言模型的靶点特征提取器,用于提取靶点蛋白质序列的特征向量;所述靶点特征提取器包括:根据开源的预训练蛋白质语言模型,调用线性层,用于对输入的靶点UniProt序列进行特征提取,输出以氨基酸为单位的靶点特征; 3构建基于预训练分子表征模型的药物特征提取器,用于提取药物分子的特征向量;所述药物特征提取器包括:根据开源的预训练分子模型,调用线性层,用于对输入的药物SMILES进行特征提取,输出以原子为单位的药物特征; 4采用多头自注意力机制构建特征学习方法,采用交叉注意力机制构建药物靶点相互作用的学习方法,结合线性层构建预测器,搭建预测药物靶点相互作用模型; 5采用步骤1构建的药物靶点数据库,训练并优化药物靶点相互作用预测模型的参数,得到优化后的药物靶点预测模型; 6将待测的靶点蛋白质UniProt序列和药物分子SMILES输入优化后的药物靶点预测模型中,输出预测结果,通过注意力分数可视化,标注出药物与靶点可能的活性位点,并进行可解释性分析,标记靶点与药物相互作用的重要的氨基酸残基; 其中步骤4中,采用多头注意力机制构建药物靶点特征学习方法和采用交叉注意力机制构建药物靶点相互作用学习方法,包括: 1调用三个不同的线性层将获取的靶点序列特征P映射为三组向量,调用三个不同的线性层将获取的药物特征D映射为三组向量,根据如下的注意力公式进行注意力分数计算: ; 其中softmax为归一化函数,所获得的为靶点序列的自注意的注意力分数; ; 其中,所获得的为药物的自注意的注意力分数,为了进一步增强模型的表征能力,采用了多头注意机制,由h个并行的头组成: ; ; 其中,、是每个头的投影矩阵,是输出投影矩阵,为多头注意力的分数; 2将多头注意力机制提取的靶点序列和药物的特征分别投影到查询、键和值空间,通过可学习的权重矩阵进行线性变换,具体公式如下: 对于靶点序列特征的查询、键、值投影:; ; ; 对于药物特征的查询、键、值投影: ; ; ; 其中,是靶点序列特征的查询、键和值的权重矩阵,是药物特征的查询、键和值的权重矩阵,和是偏置向量; 3进一步的学习药物与靶点之间的相互作用,再次使用多头注意力机制,对于每一个注意力头h,分别进行如下计算: ; ; 其中,h注意力头的数量,每个注意力头独立地执行注意力计算,分别得到药物到靶点和靶点到药物的注意力输出,将所有注意力头的输出进行拼接,并通过线性变换投影得到最终的注意力特征: ; ; 其中,是药物到靶点和靶点到药物注意力的输出投影矩阵,通过交叉注意力机制得到的注意力矩阵,用于合并特征,然后用线性层输出药物与靶点相互作用的概率: ; ,ReLU·是激活函数,应用于隐藏层的线性变换结果,和是隐藏层的权重矩阵和偏置向量,和是输出层的权重矩阵和偏置向量,是sigmoid函数,将输出转换为概率值表示药物与靶点相互作用的预测概率。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江大学,其通讯地址为:310058 浙江省杭州市西湖区余杭塘路866号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励