[发明专利]一种基于图神经网络的多点位蛋白质定向进化设计方法及装置

说明书

本发明公开了一种基于图神经网络的多点位蛋白质定向进化设计方法，通过经过训练的基于图神经网络的蛋白质定向进化模型对蛋白质定向进化进行设计，包括：蛋白质数据准备，将蛋白质结构表示为蛋白质图，图中每个节点表示一个氨基酸，相近的节点用边相连；将氨基酸特征数据关联绑定在所述图的节点或边上。该蛋白质定向进化设计方法，用于指导蛋白质工程中的定向进化任务，设计有效的多点位蛋白质突变方案。

技术领域

本发明属于生物工程技术领域，特别涉及一种基于图神经网络的多点位蛋白质定向进化设计方法及装置。

背景技术

蛋白质的定向进化是生物工程中的一个重要方面，它通过改变野生型蛋白质中少量的氨基酸类型来改善蛋白质的某些功能，比如热稳定性、活性、发光性等。在这个过程中，传统的生物学方法比如高通量实验，理性设计等，是基于人类探索经验来对氨基酸做随机突变。为了缩减传统的生物学方法所需要的巨大搜索空间与实验代价，一些现有的深度学习方法转而使用数以百万计的的蛋白质序列或结构数据，在几十甚至上百块GPU上训练一个亿万参数量级别的大模型。这些深度学习模型在消耗了大量计算资源的同时，并无法保证提供符合实际应用标准的好的突变方案。究其原因，是现有的模型没有尽可能融入生物或数学上的先验知识，而简单地把全部的学习任务交给算法。

不仅如此，这些现有算法模型大都沿袭语言模型的自回归模式，导致在深度突变设计时，无法兼顾到多点位同时突变导致的协同效应，或上位性，从而会漏掉一些表现良好的突变方案。

发明内容

本发明实施例之一，一种蛋白质定向进化设计方法，通过经过训练的基于图神经网络的蛋白质定向进化模型对蛋白质定向进化进行设计。该蛋白质定向进化模型基于轻量级的图神经网络架构(lightweight graph neural network，简称LGN)，用于指导蛋白质工程中的定向进化任务，设计有效的多点位蛋白质突变方案。

在对蛋白质定向进化设计方法中，包括对蛋白质数据准备，将蛋白质结构表示为蛋白质图，图中每个节点表示一个氨基酸，相近的节点用边相连；将氨基酸特征数据关联绑定在所述图的节点或边上。所述氨基酸特征数据包括氨基酸类型、理化性质、三维坐标、在氨基酸序列上的相对距离。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1根据本发明实施例之一的多点位蛋白质定向进化设计方法示意图。

具体实施方式

本发明的实施例针对现有算法存在的两个方面的问题，为蛋白质序列推断和突变设计任务设计了一种轻量级的图神经网络表达方式。

根据一个或者多个实施例，一种基于图神经网络的多点位蛋白质定向进化设计方法，采用轻量级的图神经网络架构，LGN(lightweight graph neural network，简称LGN)，其总体训练和预测可以分成三个阶段。

第一阶段为数据准备。

首先，把蛋白质的三级结构建模成相应的图表示，其中每个节点(node)表示一个氨基酸，空间上相近的节点(用k临近邻居法为每个节点寻找到至多k个其他相近节点)用边(edge)相连。

为了更好地区分不同氨基酸以及描述氨基酸之间的关系，利用生物先验知识，在节点和边上嵌入了相应的特征信息，比如氨基酸的类型、理化性质、在空间上的三维坐标信息、在氨基酸序列上的相对距离，等等。这些性质来自不同尺度，从而可以刻画出不同范围内的氨基酸微观环境。