摘要
本发明公开了一种预测蛋白质突变结构几何特征的相对结合自由能的方法,包括如下步骤:建立蛋白质与小分子的数据库;使用AlphaFold生成野生型和突变体蛋白质的三维结构;构建蛋白质序列的字符令牌字典;计算突变体和野生型蛋白质之间的CA原子距离矩阵,得到突变体的接触图;分别计算野生型和突变体蛋白质的形变数据;分别将突变体的接触图和小分子转换为图数据,并与蛋白质序列的整数编码、形变数据整合在迭代器中,形成训练集和测试集;测试并训练深度学习模型;对深度学习模型的预测结果进行验证。本发明将预测的准确性进一步提高,可用于计算蛋白质突变所引起的结合自由能的变化对耐药性的影响,为药物设计提供更多的指导和帮助。
技术关键词
突变体
野生型蛋白质
节点特征
三维结构
序列
分子
训练深度学习模型
字符
令牌
字典
GCN模型
矩阵
激酶抑制剂
点突变
编码
位点
数据存储
可读存储介质
系统为您推荐了相关专利信息
Attention机制
功率预测方法
历史气象数据
GRU模型
元启发式算法
图像隐写方法
矩阵
图像块
图像隐写装置
生成密文