一种信息预测方法、设备、存储介质及计算机程序产品技术

本申请提供了一种信息预测方法、设备、存储介质及计算机程序程序产品，应用于云技术和人工智能等各种结合亲和力的预测场景；该信息预测方法包括：获取待预测复合物的受体配体结构，待预测复合物由受体和配体结合而成，受体包括各个受体原子，配体包括各个配体原子，受体配体结构包括各个受体原子与各个配体原子之间的连接关系；获取受体原子的受体原子特征、配体原子的配体原子特征、以及受体配体结构中的连接关系的非键特征；对受体原子特征、配体原子特征、以及与受体原子特征和配体原子特征对应的非键特征进行整合，得到目标非键特征；基于目标非键特征，预测目标结合亲和力。通过本申请，能够提升结合亲和力的预测准确度。能够提升结合亲和力的预测准确度。能够提升结合亲和力的预测准确度。

【技术实现步骤摘要】
一种信息预测方法、设备、存储介质及计算机程序产品


[0001]本申请涉及人工智能领域中的信息处理技术，尤其涉及一种信息预测方法、设备、存储介质及计算机程序产品。

技术介绍

[0002]为了预测复合物中受体与配体之间的结合亲和力，通常先人工地确定复合物的特征，再基于该特征预测复合物中受体与配体之间的结合亲和力；然而，上述预测复合物中受体与配体之间的结合亲和力的过程中，由于复合物的特征是基于人工确定的，影响了复合物的特征的准确度，进而影响了结合亲和力的预测准确度。

技术实现思路

[0003]本申请实施例提供一种信息预测方法、装置、设备、计算机可读存储介质及计算机程序产品，能够提升结合亲和力的预测准确度。
[0004]本申请实施例的技术方案是这样实现的：
[0005]本申请实施例提供一种信息预测方法，包括：
[0006]获取待预测复合物的受体配体结构，其中，所述待预测复合物由受体和配体结合而成，所述受体包括各个受体原子，所述配体包括各个配体原子，所述受体配体结构包括各个所述受体原子与各个所述配体原子之间的连接关系；
[0007]获取所述受体原子的受体原子特征，并获取所述配体原子的配体原子特征，以及获取所述受体配体结构中的所述连接关系的非键特征；
[0008]对所述受体原子特征、所述配体原子特征、以及与所述受体原子特征和所述配体原子特征对应的所述非键特征进行整合，得到目标非键特征；
[0009]基于所述目标非键特征，预测所述待预测复合物的目标结合亲和力。
>[0010]本申请实施例提供一种信息预测装置，包括：
[0011]结构获取模块，用于获取待预测复合物的受体配体结构，其中，所述待预测复合物由受体和配体结合而成，所述受体包括各个受体原子，所述配体包括各个配体原子，所述受体配体结构包括各个所述受体原子与各个所述配体原子之间的连接关系；
[0012]特征获取模块，用于获取所述受体原子的受体原子特征，并获取所述配体原子的配体原子特征，以及获取所述受体配体结构中的所述连接关系的非键特征；
[0013]特征整合模块，用于对所述受体原子特征、所述配体原子特征、以及与所述受体原子特征和所述配体原子特征对应的所述非键特征进行整合，得到目标非键特征；
[0014]结果预测模块，用于基于所述目标非键特征，预测所述待预测复合物的目标结合亲和力。
[0015]在本申请实施例中，所述特征获取模块，还用于获取所述待预测复合物的受体结构，其中，所述受体结构包括各个所述受体原子之间的连接关系；获取所述受体原子的初始受体原子特征，其中，所述初始受体原子特征包括化学信息特征、几何结构特征和原子环境
特征中的至少一种；基于所述受体结构中与所述受体原子相邻的所述受体原子，对所述初始受体原子特征进行特征聚合，得到所述受体原子特征。
[0016]在本申请实施例中，当所述初始受体原子特征包括所述几何结构特征时，所述特征获取模块，用于在所述受体结构中，针对遍历到的连接关系所关联的源受体原子和目标受体原子，获取除所述目标受体原子之外的所述源受体原子的相邻受体原子集合；获取所述相邻受体原子集合中的每个相邻受体原子与所述源受体原子之间的原子结构特征，得到与所述相邻受体原子集合对应的原子结构特征集合，其中，所述原子结构特征包括夹角结构特征、区域结构特征和距离结构特征中的至少一种；将所述原子结构特征集合的统计信息，确定为所述源受体原子的所述几何结构特征。
[0017]在本申请实施例中，所述特征获取模块，还用于在所述受体结构中，获取与当前受体原子连接的至少一个连接受体原子；对所述当前受体原子的第x
‑
1层状态特征与每个所述连接受体原子的第x
‑
1层状态特征进行拼接，得到初始注意力系数，其中，所述第x
‑
1层状态特征通过对所述初始受体原子特征进行x
‑
1次特征聚合获得，x为正整数；对所述初始注意力系数进行归一化，得到注意力系数；基于所述注意力系数与所述连接受体原子的所述第x
‑
1层状态特征的融合结果，确定邻域特征；将所述邻域特征和所述当前受体原子对应的所述第x
‑
1层状态特征的整合结果，确定为所述当前受体原子的第x层状态特征；将所述当前受体原子的第1层状态特征至第x层状态特征进行叠加，得到所述受体原子特征。
[0018]在本申请实施例中，所述特征整合模块，还用于对所述受体原子特征和所述配体原子特征进行融合，得到待拼接特征；将所述待拼接特征、以及与所述受体原子特征和所述配体原子特征对应的所述非键特征进行拼接，得到所述目标非键特征。
[0019]在本申请实施例中，所述结果预测模块，还用于基于所述目标非键特征，获得所述待预测复合物对应的目标非键特征集合；对所述目标非键特征集合进行池化处理，得到至少一种池化特征，其中，所述池化处理包括加权求和池化处理、平均池化处理、最大池化处理和最小池化处理中的至少一种；基于至少一种所述池化特征，确定待预测特征；基于所述待预测特征，预测所述待预测复合物的所述目标结合亲和力。
[0020]在本申请实施例中，所述结果预测模块，还用于基于所述目标结合亲和力与结合亲和力阈值的比较结果，确定所述待预测复合物的目标构象正确性；基于所述目标构象正确性，确定所述待预测复合物的结合质量信息。
[0021]在本申请实施例中，所述信息预测装置还包括模型训练模块，用于获取复合物样本的受体配体结构样本、以及所述复合物样本对应的样本标签，其中，所述复合物样本由受体样本和配体样本结合而成；当所述样本标签包括结合亲和力标签时，基于待训练预测模型，获取所述受体配体结构样本中的连接关系对应的第一非键样本特征，并基于所述第一非键样本特征预测所述复合物样本的预测结合亲和力，其中，所述待训练预测模型是指待训练的用于预测结合亲和力的网络模型；基于所述预测结合亲和力与所述结合亲和力标签之间的差异，训练所述待训练预测模型，得到所述预测模型，其中，所述目标结合亲和力通过预测模型获得。
[0022]在本申请实施例中，所述模型训练模块，还用于基于待训练预测模型，获取所述受体配体结构样本中的连接关系对应的第二非键样本特征，并基于所述第二非键样本特征预测所述复合物样本的预测构象正确性，其中，所述待训练预测模型是指待训练的用于预测
构象正确性的网络模型；确定与所述预测构象正确性负相关的损失调制系数；基于所述预测构象正确性与所述损失调制系数，训练所述待训练预测模型，得到所述预测模型，其中，所述待预测复合物的目标构象正确性通过所述预测模型获得。
[0023]在本申请实施例中，所述模型训练模块，还用于获取新的复合物样本对应的新的受体配体结构样本、以及所述新的复合物样本对应的新的结合亲和力标签，其中，所述新的复合物样本由新的受体样本和新的配体样本结合而成；基于所述预测模型，获取所述新的受体配体结构样本中的连接关系对应的新的目标非键样本特征，并基于所述新的目标非键样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息预测方法，其特征在于，所述方法包括：获取待预测复合物的受体配体结构，其中，所述待预测复合物由受体和配体结合而成，所述受体包括各个受体原子，所述配体包括各个配体原子，所述受体配体结构包括各个所述受体原子与各个所述配体原子之间的连接关系；获取所述受体原子的受体原子特征，并获取所述配体原子的配体原子特征，以及获取所述受体配体结构中的所述连接关系的非键特征；对所述受体原子特征、所述配体原子特征、以及与所述受体原子特征和所述配体原子特征对应的所述非键特征进行整合，得到目标非键特征；基于所述目标非键特征，预测所述待预测复合物的目标结合亲和力。2.根据权利要求1所述的方法，其特征在于，所述获取所述受体原子的受体原子特征，包括：获取所述待预测复合物的受体结构，其中，所述受体结构包括各个所述受体原子之间的连接关系；获取所述受体原子的初始受体原子特征，其中，所述初始受体原子特征包括化学信息特征、几何结构特征和原子环境特征中的至少一种；基于所述受体结构中与所述受体原子相邻的所述受体原子，对所述初始受体原子特征进行特征聚合，得到所述受体原子特征。3.根据权利要求2所述的方法，其特征在于，当所述初始受体原子特征包括所述几何结构特征时，所述获取所述受体原子的初始受体原子特征，包括：在所述受体结构中，针对遍历到的连接关系所关联的源受体原子和目标受体原子，获取除所述目标受体原子之外的所述源受体原子的相邻受体原子集合；获取所述相邻受体原子集合中的每个相邻受体原子与所述源受体原子之间的原子结构特征，得到与所述相邻受体原子集合对应的原子结构特征集合，其中，所述原子结构特征包括夹角结构特征、区域结构特征和距离结构特征中的至少一种；将所述原子结构特征集合的统计信息，确定为所述源受体原子的所述几何结构特征。4.根据权利要求2或3所述的方法，其特征在于，所述基于所述受体结构中与所述受体原子相邻的所述受体原子，对所述初始受体原子特征进行特征聚合，得到所述受体原子特征，包括：在所述受体结构中，获取与当前受体原子连接的至少一个连接受体原子；对所述当前受体原子的第x
‑
1层状态特征与每个所述连接受体原子的第x
‑
1层状态特征进行拼接，得到初始注意力系数，其中，所述第x
‑
1层状态特征通过对所述初始受体原子特征进行x
‑
1次特征聚合获得，x为正整数；对所述初始注意力系数进行归一化，得到注意力系数；基于所述注意力系数与所述连接受体原子的所述第x
‑
1层状态特征的融合结果，确定邻域特征；将所述邻域特征和所述当前受体原子对应的所述第x
‑
1层状态特征的整合结果，确定为所述当前受体原子的第x层状态特征；将所述当前受体原子的第1层状态特征至第x层状态特征进行叠加，得到所述受体原子特征。
5.根据权利要求1至3任一项所述的方法，其特征在于，所述对所述受体原子特征、所述配体原子特征、以及与所述受体原子特征和所述配体原子特征对应的所述非键特征进行整合，得到目标非键特征，包括：对所述受体原子特征和所述配体原子特征进行融合，得到待拼接特征；将所述待拼接特征、以及与所述受体原子特征和所述配体原子特征对应的所述非键特征进行拼接，得到所述目标非键特征。6.根据权利要求1至3任一项所述的方法，其特征在于，所述基于所述目标非键特征，预测所述待预测复合物的目标结合亲和力，包括：基于所述目标非键特征，获得所述待预测复合物对应的目标非键特征集合；对所述目标非键特征集合进行池化处理，得到至少一种池化特征，其中，所述池化处理包括加权求和池化处理、平均池化处理、最大池化处理和最小池化处理中的至少一种；基于至少一种所述池化特征，确定待预测特征；基于所述待预测特征，预测所述待预测复合物的所述目标结合亲和力。7.根据权利要求1至3任一项所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：蒋德军，杨子翊，叶兆丰，谢昌谕，张徐俊，张胜誉，侯廷军，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：