摘要
本发明公开了一种基于重参数化卷积的药物与靶点互作用预测方法,该方法主要面向药物先导化合物虚拟筛选技术,针对许多现有的深度学习方法仅从小尺度上学习配体和靶点的高维表示,模型难以获取大尺度上结合口袋或多个结合位点的潜在规律的问题,引入了重参数化卷积的方法提高模型对蛋白质靶点和化合物配体的特征学习能力,同时设计了一种门控注意力机制,更有效地交互药物和靶点的表征信息,并通过对Cystathionine‑β‑synthase(CBS)靶点的药物筛选实验验证了本发明作为药物筛选工具的潜力。
技术关键词
靶蛋白
配体
高维特征向量
XGBoost模型
热启动
药物先导化合物
虚拟筛选技术
矩阵
嵌入特征
参数
注意力机制
深度学习方法
筛选工具
编码
通道
序列
训练集
融合特征
系统为您推荐了相关专利信息
通风设备
煤矿井下环境
联动控制系统
智能感知模块
数据传输模块
基坑变形预测方法
皮尔逊相关系数
监测点
XGBoost模型
时序特征
测高方法
XGBoost模型
功率值
网格搜索方法
模型超参数
药物靶标预测方法
节点特征
表达式
多层次特征融合
矩阵
执行时间预测方法
ARIMA模型
日志
XGBoost模型
随机森林模型