[发明专利]分子靶标蛋白的筛选方法、装置、计算机设备和存储介质

权利要求书

1.一种分子靶标蛋白的筛选方法，其特征在于，所述方法包括：

获取目标分子，采用不同靶标预测方式对所述目标分子进行靶标预测，得到预测靶标蛋白；

根据所述预测靶标蛋白对应的预测方式的数量，对所述预测靶标蛋白进行筛选，得到所述目标分子对应的潜在靶标蛋白；

获取与所述潜在靶标蛋白对应的定量构效关系模型；

将所述目标分子输入所述定量构效关系模型，得到所述目标分子与所述潜在靶标蛋白的结合活性概率；

根据所述结合活性概率和预设的概率阈值，从所述潜在靶标蛋白中筛选出与所述目标分子匹配的关键靶标蛋白。

2.根据权利要求1所述的方法，其特征在于，所述获取目标分子，采用不同靶标预测方式对所述目标分子进行靶标预测，筛选得到所述目标分子对应的潜在靶标蛋白包括：

将所述目标分子分别输入多个基于配体的靶标预测平台，得到各所述靶标预测平台对应的预测靶标蛋白；

分别获取同一预测靶标蛋白对应的靶标预测平台的数量，筛选所述对应的靶标预测平台的数量不小于2的预测靶标蛋白；

将筛选得到的预测靶标蛋白标记为所述目标分子对应的潜在靶标蛋白。

3.根据权利要求1所述的方法，其特征在于，在所述获取目标分子，采用不同靶标预测方式对所述目标分子进行靶标预测，得到预测靶标蛋白之后，还包括：

将所述预测靶标蛋白导入预设的功能注释工具；

基于所述功能注释工具对所述预测靶标蛋白进行GO和KEGG富集处理，得到富集的GO生物学过程和KEGG通路；

根据所述富集的GO生物学过程和KEGG通路，对所述预测靶标蛋白的进行可靠性验证；

根据验证通过的预测靶标蛋白更新所述预测靶标蛋白。

4.根据权利要求1所述的方法，其特征在于，所述定量构效关系模型包括集成定量构效关系模型；

所述获取与所述潜在靶标蛋白对应的集成定量构效关系模型包括：

获取所述潜在靶标蛋白的活性分子；

对所述活性分子进行数据预处理；

根据预处理后的活性分子的多种分子描述符；

构建与每一种所述分子描述符对应的单一定量构效关系模型；

对所述单一定量构效关系模型进行集成处理，得到与所述潜在靶标蛋白对应的集成定量构效关系模型。

5.根据权利要求4所述的方法，其特征在于，所述对所述活性分子进行数据预处理包括以下至少一项：

根据预设的定量活性数据类型，对所述活性分子进行筛选，所述定量活性数据类型；

移除所述活性分子中的不明确活性分子和活性值异常活性分子；

对所述活性分子进行分子结构格式标准化，根据格式标准化结果进行活性分子去重；

对所述活性分子进行分子骨架分析，移除骨架相同的冗余活性分子；

对所述活性分子进行去除金属离子、去质子化、加氢中的任意一项处理。

6.根据权利要求1所述的方法，其特征在于，在所述根据所述结合活性概率，从所述潜在靶标蛋白中筛选出与所述目标分子匹配的关键靶标蛋白之后，还包括：

识别所述潜在靶标蛋白中具有三维结构的目标靶标蛋白；

获取与所述目标靶标蛋白的三维结构对应的靶标特异性重打分函数模型；

将所述目标分子输入所述靶标特异性重打分函数模型，得到所述目标分子与所述目标靶标蛋白的结合活性概率，并筛选结合活性概率满足预设概率要求的验证靶标蛋白；

当所述关键靶标蛋白包含各项所述验证靶标蛋白时，反馈关键靶标蛋白验证通过的验证结果。

7.根据权利要求6所述的方法，其特征在于，所述获取所述目标靶标蛋白的三维结构对应的靶标特异性重打分函数模型包括：

根据所述目标靶标蛋白的三维结构，将所述目标分子与所述目标靶标蛋白进行分子对接处理；

根据所述目标靶标蛋白与相应结合小分子对接生成的最佳对接构象进行重打分，得到多个打分函数的能量项；

将所述多个打分函数的能量项进行组合，得到所述靶标特异性重打分函数模型。