一种基于集成学习的蛋白质-配体亲和力预测方法

本发明属于蛋白质配体领域，涉及一种基于集成学习的蛋白质‑配体亲和力预测方法，包括：获取蛋白质的PDB文件、受体的PDB文件以及配体的MOL2文件；对蛋白质的PDB文件进行特征提取，得到蛋白质特征向量；从PDB文件和MOL2文件中提取蛋白质和配体的相互特征向量；对配体的MOL2文件进行处理，得到配体特征向量；将蛋白质特征向量、相互特征向量以及配体特征向量进行拼接，并将拼接后的特征输入到亲和力预测模型中，得到亲和力预测结果；本发明将蛋白质三维结构转化为残基接触图，在最大限度保留结构信息的同时显著减少了模型输入量，不仅有效降低了模型参数量，还大幅降低了对训练环境的要求，使得模型更具实用性和可推广性。