[发明专利]一种药物-靶点交互作用预测方法、系统及终端设备

权利要求书

1.一种药物-靶点交互作用预测方法，其特征在于，包括步骤：

对药物组学数据库中的药物和靶点信息进行预处理，提取具有相互作用的药物和靶点氨基酸序列，构建药物-靶点交互作用数据集；

将药物SMILES字符串建模为分子图，并使用GNN图神经网络提取所述分子图的药物特征信息；

将所述靶点氨基酸序列切分成若干个多肽序列，使用多个分级Transformer网络对所述若干个多肽序列分别进行特征提取，得到若干个多肽特征，每个多肽序列对应一个分级Transformer网络；

将所述若干个多肽特征进行池化聚合，得到靶点氨基酸序列的靶点特征信息；

将所述药物特征信息和所述靶点特征信息输入到分类模型中进行训练，训练后的分类模型与所述GNN图神经网络以及多个分级Transformer网络组成药物-靶点交互作用预测模型；

将待预测的药物和靶点氨基酸序列输入到所述药物-靶点交互作用预测模型中，加载所述药物-靶点交互作用预测模型对药物和靶点进行关系预测并输出预测结果。

2.根据权利要求1所述的药物-靶点交互作用预测方法，其特征在于，将所述靶点氨基酸序列切分成若干个多肽序列，使用多个分级Transformer网络对所述若干个多肽序列分别进行特征提取，得到若干个多肽特征的步骤包括：

对所述靶点氨基酸序列切分后形成的若干个多肽序列进行建模，提取低级特征；

所述低级特征馈入到分级Transformer网络的编码器中，输出具有蛋白质上下文信息的多肽表示，即多肽特征。

3.根据权利要求2所述的药物-靶点交互作用预测方法，其特征在于，所述分级Transformer网络包括两层，一层为低级Transformer网络，另一层为高级Transformer网络。

4.根据权利要求3所述的药物-靶点交互作用预测方法，其特征在于，所述分级Transformer网络中，前一层的注意力模块作为后一层的注意力模块的先验，对前一层注意力图进行卷积计算，之后加入到下一层注意力图中。

5.根据权利要求1所述的药物-靶点交互作用预测方法，其特征在于，对药物组学数据库中的药物和靶点信息进行预处理，提取具有相互作用的药物和靶点氨基酸序列，构建药物-靶点交互作用数据集的步骤包括：

对来自药物组学数据库中的药物信息和靶点信息进行筛选，删除没有相互作用关系的药物信息和靶点信息；

将具有相互作用关系的药物和靶点进行整合并构造成药物编号，靶点编号，标签的形式，将标签标记为1；

按照正例：负例为1：2的比例，随机构造未知的药物-靶点关系作为负例，并将负例标签标记为0。

6.根据权利要求1所述的药物-靶点交互作用预测方法，其特征在于，将药物SMILES字符串建模为分子图，并使用GNN图神经网络提取所述分子图的药物特征信息的步骤包括：

使用RDkit工具将药物SMILES字符串建模为分子图，

使用正向点间互信息对所述分子图进行处理，得到相似性测度的全局结构信息；

将所述相似性测度的全局结构信息输入到GNN图神经网络中，提取出药物特征信息。

7.根据权利要求1所述的药物-靶点交互作用方法，其特征在于，所述分类模型为全连接神经网络。

8.一种药物-靶点交互作用预测系统，其特征在于，包括药物分子特征提取模块、靶点氨基酸序列特征提取模块以及交互作用预测模块；

所述药物分子特征模块用于将正向点间互信息矩阵结合图神经网络作为特征提取器提取到药物特征信息；

所述靶点氨基酸序列特征提取模块用于将靶点氨基酸序列切分成若干个多肽序列，并使用对注意力机制进行改进后的分级transformer网络来处理所述多肽序列，以获得靶点氨基酸序列特征信息，所述靶点氨基酸序列特征信息包括靶点氨基酸序列的局部特征和全局特征；

所述交互作用预测模块，用于将所述药物特征信息和靶点氨基酸序列特征信息连接起来送入分类模型，最后进行预测输出。