买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：郑州大学

摘要：本发明涉及生物医药技术领域，具体涉及一种基于Weisfeiler‑Lehman与深度神经网络的药物靶点预测方法及系统，包括，获取待预测药物的药物分子和待预测靶点的蛋白分子，进而得到待预测药物的指纹图谱和邻接矩阵以及待预测靶点的蛋白质序列向量，从而得到药物嵌入向量特征和蛋白序列嵌入向量特征；根据预先构建并训练好的深度神经预测网络、药物嵌入向量特征以及蛋白序列嵌入向量特征，确定药物靶点相互作用关系。本发明有效提高了预测药物靶点相互作用关系的准确性。

主权项：1.一种基于Weisfeiler-Lehman与深度神经网络的药物靶点预测方法，其特征在于，包括以下步骤：获取待预测药物的药物分子和待预测靶点的蛋白分子，对待预测药物的药物分子和待预测靶点的蛋白分子进行数据预处理操作，得到待预测药物的指纹图谱和邻接矩阵以及待预测靶点的蛋白质序列向量；对待预测药物的指纹图谱和邻接矩阵以及待预测靶点的蛋白质序列向量进行特征提取操作，得到待预测药物的药物嵌入向量特征和待预测靶点的蛋白序列嵌入向量特征；根据预先构建并训练好的深度神经预测网络、待预测药物的药物嵌入向量特征以及待预测靶点的蛋白序列嵌入向量特征，确定待预测药物和待预测靶点之间的相互作用关系；得到待预测药物的指纹图谱和邻接矩阵以及待预测靶点的蛋白质序列向量的步骤包括：根据待预测药物的药物分子，得到简化分子线性输入规范后的药物分子，进而得到药物分子的图数据集；根据药物分子的图数据集，对图数据集进行子图结构提取处理，得到药物分子的各个子结构；根据药物分子的各个子结构的原子节点，对各个子结构中各相同子结构的原子节点进行编码，得到待预测药物的指纹图谱；根据待预测药物分子的各个子结构的原子节点，判断各个子结构的原子节点之间是否存在化学键，进而确定待预测药物的邻接矩阵；根据待预测靶点的蛋白分子，得到蛋白分子的氨基酸序列；构建预设尺寸的滑窗，并使该预设尺寸的滑窗对蛋白分子的氨基酸序列进行滑动分词，得到蛋白分子的各氨基酸子序列，进而得到待预测靶点的蛋白质序列向量；得到待预测药物的药物嵌入向量特征和待预测靶点的蛋白序列嵌入向量特征的步骤包括：根据待预测药物的指纹图谱和邻接矩阵以及预先构建并训练好的多层图卷积神经网络，确定待预测药物的药物嵌入向量特征；对待预测靶点的蛋白序列嵌入向量特征进行编码处理，并将编码处理后的蛋白序列嵌入向量特征输入到预先构建并训练好的双向长短记忆神经网络，得到双向长短记忆神经网络的输出数据；根据待预测药物的药物嵌入向量特征和双向长短记忆神经网络的输出数据，得到待预测靶点的蛋白序列嵌入向量特征。

全文数据：

权利要求：

百度查询： 郑州大学 基于Weisfeiler-Lehman与深度神经网络的药物靶点预测方法及系统