[发明专利]酶-底物亲和力常数预测方法、存储介质和装置

权利要求书

1.一种酶-底物亲和力常数K_M预测的方法，其特征在于，所述方法包括如下步骤：1)构建蛋白质和化合物序列语料库用来训练模型，2)提取表征底物信息的复合SMILES字符串和表征酶信息的氨基酸序列嵌入模型，构建张量矩阵，3)将张量矩阵输入到卷积神经网络进行特征提取，获得特征向量；4)将提取到的两个特征向量连接成单个向量，并将该向量输入到回归网络中以进行K_M预测；

所述的构建蛋白质和化合物序列语料库用来训练模型：构建针对特定任务的语料库训练ELECTRA模型，以获得输入序列的编码层；SMILES字符串中每个原子和化学键都是一个单词，通过收集许多化合物来自然地组成语料库，使用Open Babel将语料库中的所有SMILES字符串转换为规范格式；与SMILES字符串类似，从蛋白质FASTA序列中提取单词并创建蛋白质序列语料库，把每个残基看成一个单词，利用UniProt数据库收集蛋白质信息；

利用两个独立的ELECTRA模型将SMILES字符串和氨基酸序列分别编码为固定维度的向量；ELECTRA使用两个Transformer编码器作为基础结构，一个充当生成器网络，另一个充当鉴别器网络；来自SMILES字符串的标记首先被屏蔽，一些被替换为具有固定概率的屏蔽符号[MASK]；然后，将[MASK]标记输入生成器，与鉴别器进行联合预训练。

2.根据权利要求1所述的一种酶-底物亲和力常数K_M预测的方法，其特征在于，所述的提取表征底物信息的复合SMILES字符串和表征酶信息的氨基酸序列嵌入模型，构建张量矩阵：使用经过训练的ELECTRA模型，从BRENDA数据库中提取代表底物信息的SMILES字符串和代表酶信息的氨基酸序列，分别嵌入到张量中，输出张量矩阵。

3.根据权利要求2所述的一种酶-底物亲和力常数K_M预测的方法，其特征在于，对于单个化合物，来自其SMILES字符串的标记序列被输入经过训练的ELECTRA-M模型以产生复合编码。

4.根据权利要求2所述的一种酶-底物亲和力常数K_M预测的方法，其特征在于，所述每个字符被转换成一个长度为W_C的向量通过ELECTRA-M，然后是一系列的令牌被转换为一个长度为N_C的序列，最终连接成一个W_C×N_C的张量矩阵作为复合表示；以同样的方式，一个蛋白质残基标记被编码成一个长度为W_P由ELECTRA-P和长度为N_P的氨基酸序列连接成一个W_P×N_P张量矩阵。

5.根据权利要求2所述的一种酶-底物亲和力常数K_M预测的方法，其特征在于，将张量矩阵输入到卷积神经网络进行特征提取，获得特征向量：把代表底物信息的SMILES字符串特征张量矩阵和代表蛋白质信息的氨基酸序列特征张量矩阵分别输入到两个相同的特征提取器网络中进行特征提取，获得SMILES字符串特征向量和氨基酸序列特征向量；使用一维卷积来投影输入化合物或蛋白质，将其张量X∈R^T×256进入特征图U∈R^T×C执行特征重新校准。

6.根据权利要求1所述的一种酶-底物亲和力常数K_M预测的方法，其特征在于，将提取到的SMILES字符串特征向量和氨基酸序列特征向量连接成单个向量，并将其输入到回归网络中来预测K_M值。

7.一种计算机可读存储介质，其特征在于，所述存储介质有计算机程序，所述计算机程序能够运行权利要求1所述的酶-底物亲和力常数预测方法。

8.一种酶-底物亲和力常数预测装置，其特征在于，所述装置搭载权利要求7所述计算机可读存储介质。