相互作用界面的预测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种相互作用界面的预测方法、装置、电子设备、计算机程序产品及计算机可读存储介质；方法包括：获取第一蛋白质的图数据与第二蛋白质的图数据；对第一蛋白质、第二蛋白质的图数据分别进行特征提取处理，得到第一蛋白质的第一结构特征与第二蛋白质的第二结构特征；获取多个待分类氨基酸对，待分类氨基酸对包括：第一蛋白质的第一表面氨基酸，第二蛋白质的第二表面氨基酸；基于第一结构特征与第二结构特征，对每个待分类氨基酸对进行分类处理，得到多个待分类氨基酸对中的相互作用氨基酸对；基于每个相互作用氨基酸对，确定第一蛋白质与第二蛋白质之间的相互作用界面。通过本申请，能够提升预测相互作用界面的准确性。性。性。

【技术实现步骤摘要】
相互作用界面的预测方法、装置、电子设备及存储介质


[0001]本申请涉及人工智能技术，尤其涉及一种相互作用界面的预测方法、装置、电子设备及存储介质。

技术介绍

[0002]人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
[0003]人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0004]相关技术中，针对蛋白质之间的相互作用界面的预测，蛋白质的序列信息不能完全反映蛋白结构和功能信息，造成了预测的偏颇。相关技术暂无较好的方式提升蛋白质相互作用界面预测的准确性。

技术实现思路

[0005]本申请实施例提供一种相互作用界面的预测方法、装置、电子设备及存储介质、计算机程序产品，能够提升预测相互作用界面的准确性，并节约所需计算资源。
[0006]本申请实施例的技术方案是这样实现的：
[0007]本申请实施例提供一种相互作用界面的预测方法，所述方法包括：
[0008]获取第一蛋白质的图数据与第二蛋白质的图数据；
[0009]对所述第一蛋白质的图数据与所述第二蛋白质的图数据分别进行特征提取处理，得到所述第一蛋白质的第一结构特征与第二蛋白质的第二结构特征；
[0010]获取多个待分类氨基酸对，其中，所述待分类氨基酸对包括：所述第一蛋白质的第一表面氨基酸，所述第二蛋白质的第二表面氨基酸；
[0011]基于所述第一结构特征与所述第二结构特征，对每个所述待分类氨基酸对进行分类处理，得到所述多个待分类氨基酸对中的相互作用氨基酸对；
[0012]基于每个所述相互作用氨基酸对，确定所述第一蛋白质与所述第二蛋白质之间的相互作用界面。
[0013]本申请实施例提供一种相互作用界面的预测装置，包括：
[0014]数据获取模块，配置为获取第一蛋白质的图数据与第二蛋白质的图数据；
[0015]特征提取模块，配置为对所述第一蛋白质的图数据与所述第二蛋白质的图数据分别进行特征提取处理，得到所述第一蛋白质的第一结构特征与第二蛋白质的第二结构特
征；
[0016]分类器模块，配置为获取多个待分类氨基酸对，其中，所述待分类氨基酸对包括：所述第一蛋白质的第一表面氨基酸，所述第二蛋白质的第二表面氨基酸；
[0017]所述分类器模块，还配置为基于所述第一结构特征与所述第二结构特征，对每个所述待分类氨基酸对进行分类处理，得到所述多个待分类氨基酸对中的相互作用氨基酸对；
[0018]所述分类器模块，还配置为基于每个所述相互作用氨基酸对，确定所述第一蛋白质与所述第二蛋白质之间的相互作用界面。
[0019]本申请实施例提供一种电子设备，所述电子设备包括：
[0020]存储器，用于存储计算机可执行指令；
[0021]处理器，用于执行所述存储器中存储的计算机可执行指令时，实现本申请实施例提供的相互作用界面的预测方法。
[0022]本申请实施例提供一种计算机可读存储介质，存储有计算机可执行指令，用于被处理器执行时，实现本申请实施例提供的相互作用界面的预测方法。
[0023]本申请实施例提供一种计算机程序产品，包括计算机程序或计算机可执行指令，述计算机程序或计算机可执行指令被处理器执行时，实现本申请实施例提供的相互作用界面的预测方法。
[0024]本申请实施例具有以下有益效果：
[0025]通过获取待结合的蛋白质的图数据，能够有效表征蛋白质的结构信息，进而提升获取蛋白质结构特征的准确性。获取表面氨基酸组成的氨基酸对，针对性地进行相互作用界面预测，节约了预测蛋白质之间的相互作用界面所需的计算资源，基于蛋白质的结构特征预测表面氨基酸组成的氨基酸对的类型，能够有效预测蛋白质对中真正发生相互作用的氨基酸，进而得到蛋白质之间的相互作用界面，提升了获取相互作用界面的准确性，节约了获取相互作用界面所需的计算资源。
附图说明
[0026]图1是本申请实施例提供的相互作用界面的预测方法的应用模式示意图；
[0027]图2是本申请实施例提供的电子设备的结构示意图；
[0028]图3A至图3D是本申请实施例提供的相互作用界面的预测方法的流程示意图；
[0029]图4是本申请实施例提供的相互作用界面的预测方法的流程示意图；
[0030]图5A至图5B是本申请实施例提供的图神经网络模型的结构示意图。
具体实施方式
[0031]为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
[0032]在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
[0033]在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
[0034]需要指出，在本申请实施例中，涉及到用户信息、用户反馈数据等相关的数据，当本申请实施例运用到具体产品或技术中时，需要获得用户许可或者同意，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
[0035]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
[0036]对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。
[0037]1)卷积神经网络(Convolutional Neural Networks，CNN)：是一类包含卷积计算且具有深度结构的前馈神经网络(Feed forward Neural Networks，FNN)，是深度学习(Deep Learning)的代表算法之一。卷积神经网络具有表征学习(Representa本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种相互作用界面的预测方法，其特征在于，所述方法包括：获取第一蛋白质的图数据与第二蛋白质的图数据；对所述第一蛋白质的图数据与所述第二蛋白质的图数据分别进行特征提取处理，得到所述第一蛋白质的第一结构特征与第二蛋白质的第二结构特征；获取多个待分类氨基酸对，其中，所述待分类氨基酸对包括：所述第一蛋白质的第一表面氨基酸，所述第二蛋白质的第二表面氨基酸；基于所述第一结构特征与所述第二结构特征，对每个所述待分类氨基酸对进行分类处理，得到所述多个待分类氨基酸对中的相互作用氨基酸对；基于每个所述相互作用氨基酸对，确定所述第一蛋白质与所述第二蛋白质之间的相互作用界面。2.根据权利要求1所述的方法，其特征在于，所述对所述第一蛋白质的图数据与所述第二蛋白质的图数据分别进行特征提取处理，得到所述第一蛋白质的第一结构特征与第二蛋白质的第二结构特征，包括：针对所述第一蛋白质以及所述第二蛋白质的所述图数据，分别进行以下处理：对所述图数据进行多个层次的特征提取处理，得到蛋白质特征矩阵；基于所述蛋白质中的表面氨基酸确定所述蛋白质的表面特征；将所述表面特征与所述蛋白质特征矩阵拼接为所述蛋白质的结构特征。3.根据权利要求2所述的方法，其特征在于，所述图数据包括：邻接特征矩阵、每个所述氨基酸的氨基酸特征，其中，所述邻接特征矩阵用于表征每个所述氨基酸之间的边特征；所述对所述图数据进行多个层次的特征提取处理，得到蛋白质特征矩阵，包括：将每个所述氨基酸的氨基酸特征组合为氨基酸特征矩阵，并将所述氨基酸特征矩阵作为待处理特征矩阵；获取所述邻接特征矩阵与单位矩阵的加和、所述待处理蛋白质特征矩阵与权重值矩阵之间的乘积；对所述乘积进行激活处理，得到激活处理结果；对所述激活处理结果进行归一化处理，得到当前层次的特征提取处理结果，其中，所述特征提取处理结果以特征矩阵的形式表征；响应于当前层次不是最后一个层次，将所述当前层次的特征提取处理结果作为待处理特征矩阵，转入所述获取所述邻接特征矩阵与单位矩阵的加和、所述待处理特征矩阵与权重值矩阵之间的乘积的步骤；响应于当前层次是最后一个层次，将所述当前层次的特征提取处理结果作为所述蛋白质的蛋白质特征矩阵。4.根据权利要求2所述的方法，其特征在于，所述基于所述蛋白质中的表面氨基酸确定所述蛋白质的表面特征，包括：确定所述蛋白质中的每个所述氨基酸的标注值，其中，每个所述表面氨基酸的标注值为1，每个所述非表面氨基酸的标注值为0；将每个所述氨基酸对应的标注值组合为特征向量，并将所述特征向量作为所述蛋白质的表面特征。5.根据权利要求1所述的方法，其特征在于，所述基于所述第一结构特征与所述第二结
构特征，对每个所述待分类氨基酸对进行分类处理，得到所述多个待分类氨基酸对中的相互作用氨基酸对，包括：针对每个所述待分类氨基酸对执行以下处理：从所述第一结构特征中获取所述第一表面氨基酸对应的第一节点特征，以及从所述第二结构特征中获取所述第二表面氨基酸对应的第二节点特征；基于所述第一节点特征与所述第二节点特征，预测所述第一表面氨基酸、所述第二表面氨基酸之间的关系；响应于所述第一表面氨基酸、所述第二表面氨基酸之间的关系为存在相互作用，将所述待分类氨基酸对作为相互作用氨基酸对。6.根据权利要求5所述的方法，其特征在于，所述基于所述第一节点特征与所述第二节点特征，预测所述第一表面氨基酸、所述第二表面氨基酸之间的关系，包括：通过以下任意一种方式确定所述第一表面氨基酸和所述第二表面氨基酸之间的关系：基于所述第一节点特征与所述第二节点特征，确定所述第一表面氨基酸和所述第二表面氨基酸之间的相对距离，响应于所述相对距离小于第一距离阈值，确定所述第一表面氨基酸和所述第二表面氨基酸之间的关系为存在相互作用；基于所述第一节点特征与所述第二节点特征，确定每个表面氨基酸的对应的复合物可及表面积、单体可及表面积，响应于任意一个表面氨基酸的单体可及表面积与复合物可及表面积之间的差值大于面积阈值，确定所述第一表面氨基酸和所述第二表面氨基酸之间的关系为存在相互作用。7.根据权利要求1所述的方法，其特征在于，所述获取第一蛋白质的图数据与第二蛋白质的图数据，包括：获取所述第一蛋白质中的每个第一氨基酸的第一氨基酸特征，获取所述第二蛋白质中的每个第二氨基酸的第二氨基酸特征，其中，所述第一氨基酸包括第一表面氨基酸，所述第二氨基酸包括第二表面氨基酸；获取所述第一蛋白质的第一邻接特征矩阵、以及所述第二蛋白质的第二邻接特征矩阵，其中，邻接特征矩阵中的值用于表征氨基酸之间的边特征；将所述第一邻接特征矩阵与每个所述第一氨基酸特征作为所述第一蛋白质的图数据，将所述第二邻接特征矩阵与每个所述第二氨基酸特征作为所述第二蛋白质的图数据。8.根据权利要求7所述的方法，其特征在于，所述获取所述第一蛋白质的第一邻接特征矩阵、以及所述第二蛋白质的第二邻接特征矩阵，包括：针对同一个蛋白质内的每个所述氨基酸执行以下处理：获取所述氨基酸与其他氨基酸之间的相对距离；响应于所述氨基酸与其他氨基酸之间的相对距离小于第二距离阈值，确定所述氨基酸与其他氨基酸之间的特征值为1；响应于所述氨基酸与其他氨基酸之间的相对距离大于或者等于第二距离阈值，确定...

【专利技术属性】
技术研发人员：高子琪，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：