一种基于图神经网络迁移学习的蛋白质-配体解离速率预测方法

本发明公开了一种基于图神经网络迁移学习的蛋白质‑配体解离速率预测方法。属于蛋白质‑配体解离速率预测领域。该方法首先整合公开数据库与文献动力学数据，构建包含蛋白质结构、配体结构及解离速率参数的数据集。利用pdbfixer修复蛋白结构，RDkit生成配体三维结构，并通过Smina进行蛋白‑配体分子对接。采用PDBbind数据库预训练蛋白‑配体亲和力图神经网络模型，分别对蛋白口袋和配体分子进行特征编码和图神经网络处理，经交叉注意力模块融合蛋白‑配体相互作用信息，联合能量贡献及相互作用概率模块实现亲和力预测。能够高效、准确预测蛋白‑配体解离速率，提升药物筛选与分子设计的智能化水平。