一种科尔莫戈洛夫GCN蛋白质配体亲和力预测方法

本发明公开了一种科尔莫戈洛夫GCN蛋白质配体亲和力预测方法，它将图神经网络与配体与蛋白质相互作用(Drug‑Target Interaction，DTI)相关联，来预测DTI中此类亲和力。在预测亲和力时，在GCN堆叠之后引入科尔莫戈洛夫网络(KAN)，以有效地判别配体与蛋白质中哪些子序列更可能结合。该方法分别利用GCN提取配体和蛋白质分子抽象信息，使得蛋白质和配体相互作用的表征更高效。KAN将激活函数放在边缘(权重)上，并且使其可学习。于是，KAN的计算重新表述为先通过利用不同基函数来处理输入或者先对输入进行激活处理，然后对其输出进行线性组合。针对DTI，这种基于KAN的重新编码在虚拟筛选时保证GCN模型的表现力同时，还能够提升预测模型的可解释性和增强模型灵活性。