[发明专利]用于构建蛋白质和小分子的亲和力预测模型的方法在审
| 申请号： | 201910645423.1 | 申请日： | 2019-07-17 |
| 公开（公告）号： | CN110428864A | 公开（公告）日： | 2019-11-08 |
| 发明（设计）人： | 车超;赵撼宇;张强;周东生 | 申请（专利权）人： | 大连大学 |
| 主分类号： | G16B5/00 | 分类号： | G16B5/00;G16B15/20;G16B15/30;G16B30/10 |
| 代理公司： | 大连八方知识产权代理有限公司 21226 | 代理人： | 卫茂才 |
| 地址： | 116622 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了用于构建蛋白质和小分子亲和力预测模型的方法。首先，进行蛋白质的特征提取，利用氨基酸的理化属性将20类氨基酸归为6类；然后通过滑动窗口生成新序列，有效地提取边界信息；最后结合word2vec算法提取氨基酸之间的位置关系。随后提取小分子化合物的物化属性特征，利用多重插补法对物化属性的缺失值进行填充。最后，使用LightGBM算法对蛋白质和小分子的亲和力进行预测。与现有预测模型相比，本发明提出的蛋白质特征提取算法可以有效捕捉边界信息，所使用的多重插补法利用贝叶斯估计理论，在生成的多组候选插补值中选择合适的值，所使用的LightGBM通过梯度的迭代，可以高效进行回归预测，减少过拟合。 | ||
| 搜索关键词： | 蛋白质 小分子 插补 亲和力预测 边界信息 氨基酸 构建 算法 小分子化合物 贝叶斯估计 蛋白质特征 滑动窗口 类氨基酸 属性特征 特征提取 提取算法 预测模型 新序列 有效地 预测 亲和力 迭代 拟合 填充 捕捉 回归 | ||
【主权项】：
1.用于构建蛋白质与小分子化合物亲和力预测模型的方法，其特征在于：包括以下步骤：步骤1：对蛋白质的一级结构进行编码，作为模型的输入；步骤2：对编码后的蛋白质序列进行特征提取；步骤3：对小分子化合物的物化属性的缺失值进行填充；步骤4：利用LightGBM对蛋白质与小分子化合物亲和力进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于大连大学，未经大连大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910645423.1/，转载请声明来源钻瓜专利网。
