[发明专利]基于图卷积神经网络的药物-靶标亲和力预测系统、计算机设备、存储介质

权利要求书

1.一种基于图卷积神经网络预测药物靶标亲和力的系统，属于药物重定位技术领域。该系统包括三条通道，分别提取药物二维表示的特征向量、药物SMILES表达式的上下文关联关系的特征向量和蛋白质序列的上下文关联关系的特征向量，之后将三种特征向量拼接在一起，输入到全连接神经网络中，进而获取药物靶标亲和力的预测值。模型的输入为药物的二维表示、药物的SMILES表达式和蛋白质序列，最终获取药物与靶标的亲和力预测值。

2.如权利要求1所述的系统，其特征在于，所述的以三通道的方式提取特征，而且每个通道各不相同，具体的，为提取药物二维表示的特征向量，我们使用四种图神经网络，分别是图卷积神经网络、图注意力神经网络、图同构神经网络和图卷积神经网络与图注意力网络联合网络，同时在提取药物SMILES表示的上下文关联关系特征向量时，需要将SMILES输入到三层Bi-GRU网络中，在提取蛋白质序列的上下文文关联关系特征向量时，需要将蛋白质序列输入到3层LSTM网络中。

3.如权利要求2所述的系统输入，其特征在于，所述系统的输入为SMILES序列的向量表示以及蛋白质序列的向量表示。

4.如权利要求1所述的系统，其特征在于，对所述的三通道模型利用已有的药物靶标亲和力分数数据进行训练，并获得完善的模型参数。

5.如权利要求1所述的系统，其特征在于，将三种特征向量拼接后，输入到全连接网络中预测药物靶标亲和力，并且利用反向传播优化参数。

6.一种计算机设备，包括存储器，显卡，中央处理器，以及存储在所述存储器上的可被所述中央处理器以及显卡并行处理的可执行程序，所述中央处理器所执行所述程序时实现以下步骤：构建基于图卷积神经网络药物靶标亲和力预测模型，所述基于图卷积神经网络药物靶标亲和力预测模型包括：药物特征的提取、靶标特征的提取、药物二维特征的提取和药物靶标亲和力预测。首先利用Bi-GRU网络提取药物的上下文关联关系，再利用图卷积神经网络提取药物的二维表示特征，同时，利用LSTM网络提取蛋白质的上下文关联关系，最后，通过全连接神经网络预测药物靶标亲和力。

7.如权利要求6所述的计算机设备，其特证在于，在训练阶段，利用反向传播算法，不断对模型的参数进行调优，提高模型的拟合能力。