CN114283903A - 基于量子门控循环神经网络预测蛋白质药物结合力的方法 - Google Patents

Abstract

本发明提供一种基于量子门控循环神经网络预测蛋白质药物结合力的方法，属于量子计算领域。因为该方法将包含药物分子序列、蛋白质序列及蛋白质口袋序列的预定序列预处理为对应的降维输入向量，并将该降维输入向量输入量子门控循环神经网络进行量子计算，通过对预定序列输入的特定信息及其对应的隐藏状态进行重置和更新，从而输出预定序列对应的蛋白质药物结合力。所以，该方法满足了门控循环神经网络算法建立序列长期短期依赖关系的需求，并且计算资源消耗少，减少了模型训练的参数、加快了模型的收敛速度，因此在量子芯片和电子芯片的协同工作中具有广泛应用。

Description

基于量子门控循环神经网络预测蛋白质药物结合力的方法

技术领域

本发明涉及量子计算领域，具体涉及基于量子门控循环神经网络预测蛋白质药物结合力的方法。

背景技术

预测蛋白质药物结合亲和力已被广泛认为是计算药物发现中最重要的任务之一。结合亲和力，即蛋白质和配体(如药物)之间的结合作用的强度，虽然可以通过实验方法测量，但是这些生物测试是费时费力的。通过计算机辅助模拟方法和数据驱动的深度学习模型，可以在药物发现的早期阶段预测结合亲和力。与直接应用昂贵的生物方法来筛选众多候选分子不同，预测结合亲和力可以帮助对候选药物进行排序，优先选择合适的药物进行后续测试，从而加快药物筛选的进程。

图2为现有循环神经网络的结构示意图，如图2所示，现有的RNN(循环神经网络)是一种序列和时间依赖性数据建立的模型，由于RNN结构本身的一大弊端，即不可并行计算，这在数据量和模型体量逐步增大的未来，是RNN发展的关键瓶颈。门控循环单元(GRU)作为RNN的变体，同样存在上述问题，尤其门控循环神经网络算法需满足建立序列长期短期依赖关系的需求，因此需消耗大量计算资源，使得模型训练的参数增多、模型收敛速度慢。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于量子门控循环神经网络预测蛋白质药物结合力的方法。

本发明提供了一种基于量子门控循环神经网络预测蛋白质药物结合力的方法，具有这样的特征，包括：将包含特定信息的预定序列预处理后得到对应的输入张量；初始化特定信息对应的时间步及隐藏状态；判断已处理的时间步是否小于预定序列的长度；若已处理的时间步小于预定序列的长度，则对输入张量进行切片操作，得到对应的降维输入向量；将降维输入向量输入到量子门控循环单元中进行计算，输出所有时间步对应的隐藏状态；若已处理的时间步大于预定序列的长度，则执行下一步；对先前已处理的所有时间步对应的所有隐藏状态进行线性变换，输出预定序列对应的蛋白质药物结合亲和力，预定序列包括药物分子序列、蛋白质序列及蛋白质口袋序列。

在本发明提供的方法中，还具有这样的特征：其中，量子门控循环单元包括第一量子线路、第二量子线路以及第三量子线路，第一量子线路用于筛选预定序列中先前隐藏状态下需要保留的时间步对应的特定信息的数目；第二量子线路用于分别确定先前隐藏状态下需要保留的时间步及当前需要保留的时间步对应的特定信息的数目；第三量子线路用于确定需要保留的先前隐藏状态下的时间步对应的特定信息的数目。

在本发明提供的方法中，还具有这样的特征：

其中，第一量子线路包括第一变分量子线路、第二变分量子线路，

第一量子线路的表达式如下：

r_t＝σ(VQC₁(x_t)+VQC₂(h_t-1))

σ为激活函数，VQC₁为第一变分量子线路，x_t为预定序列中t时刻的时间步对应的特定信息，h_t-1为预定序列中t-1时刻的时间步对应的特定信息的隐藏状态。

在本发明提供的方法中，还具有这样的特征：其中，第二量子线路包括第三变分量子线路、第四变分量子线路，

第二量子线路的表达式如下：

n_t＝tanh(VQC₃(x_t)+r_t*VQC₄(h_t-1))

tanh为激活函数，VQC₃为第三变分量子线路，r_t为第三量子线路，VQC₄为第四变分量子线路。

在本发明提供的方法中，还具有这样的特征：其中，第三量子线路的表达式如下：

z_t＝σ(VQC₅(x_t)+VQC₆(h_t-1))

VQC₅为第五变分量子线路，VQC₆为第六变分量子线路。

在本发明提供的方法中，还具有这样的特征：其中，先前已处理的所有时间步对应的所有隐藏状态的表达式如下：

h_t＝(1-z_t)*n_t+z_t*h_t-1

z_t为第三量子线路，n_t为第二量子线路。

在本发明提供的方法中，还具有这样的特征：其中，任一变分量子线路均包括预定数目的参数化旋转模块与纠缠模块，参数化旋转模块用于提供变分量子线路可学习的参数；纠缠模块用于提供纠缠的多比特量子态。

在本发明提供的方法中，还具有这样的特征：其中，特定信息来自PDBbind数据库。

在本发明提供的方法中，还具有这样的特征：其中，变分量子线路输出的结果Z∈R^N×S×E，线性变换后输出的结果Y∈R^N×1，且Y即为药物分子与蛋白质的结合亲和力，R为实数，N是批量大小，S是序列长度，E是嵌入维度。

在本发明提供的方法中，还具有这样的特征：其中，在变分量子线路输出的结果Z∈R^N×S×E中，E≥3。

发明的作用与效果

根据本发明所涉及的基于量子门控循环神经网络预测蛋白质药物结合力的方法，因为该方法将包含药物分子序列、蛋白质序列及蛋白质口袋序列的预定序列预处理为对应的降维输入向量，并将该降维输入向量输入量子门控循环神经网络进行量子计算，通过对预定序列中的特定信息及其对应的隐藏状态进行重置和更新，从而输出预定序列对应的蛋白质药物结合力。所以，该方法满足了门控循环神经网络算法建立序列长期短期依赖关系的需求，并且计算资源消耗少，减少了模型训练的参数、加快了模型的收敛速度，因此在量子芯片和电子芯片的协同工作中具有广泛应用。

附图说明

图1是本发明的实施例中基于量子门控循环神经网络预测蛋白质药物结合力的方法的总流程图；

图2为现有循环神经网络的结构示意图；

图3为本发明实施例中的量子门控循环神经网络的整体结构示意图；

图4为现有变分量子线路的结构示意图；

图5为本发明实施例中的变分量子线路的结构示意图；

图6是本发明的实施例中基于量子门控循环神经网络预测蛋白质药物结合力的装置的结构示意图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明基于量子门控循环神经网络预测蛋白质药物结合力的方法作具体阐述。

<实施例>

图1是本发明的实施例中基于量子门控循环神经网络预测蛋白质药物结合力的方法的总流程图。

如图1所示，本发明的实施例中基于量子门控循环神经网络预测蛋白质药物结合力的方法包括如下步骤：

步骤S1，将包含特定信息的预定序列预处理后得到对应的输入张量。

本实施例中，该预定序列包括药物分子序列、蛋白质序列及蛋白质口袋序列，将包含这三种序列的预定序列组合成一个形状为(bs,seq_len,3)的输入张量，其中，bs是批处理大小(batch size)，seq_len是预定序列的总长度，即三种序列的总长度，3表示三种序列。具体地，利用现有的嵌入层技术将每一种序列对应的每一个字符编码为一个局部矢量，并将所有局部矢量组合为一个张量，用于表示预定序列上的某一特定信息。

本实施例中，该预定序列包含的特定信息来自PDBbind数据库，一共包含近1万条数据。该数据库为蛋白质数据库(PDB)中存放的所有生物分子复合物提供实验测量的结合亲和力数据的综合集合，并提供了所有生物分子复合物的能量和结构信息之间的基本联系，用于分子识别、药物发现等各种计算和统计研究。PDBbind数据库最初由美国密歇根大学王少萌教授课题组开发，于2004年5月首次对外发布，现由药学院王任晓教授课题组维护和中国复旦大学进一步开发。PDBbind数据库每年更新一次，以跟上蛋白质数据库的增长。该数据集包含五列信息：pdbid,smiles,sequence,pocket,label。分别是：蛋白质的id(编号)，药物分子的smiles编码，蛋白质序列，蛋白质口袋序列，结合亲和力。

步骤S2，初始化特定信息对应的时间步及隐藏状态。

具体地，将预定序列中表示第一个特定信息的位置标号为零，并将初始隐藏状态初始化为零矢量。

步骤S3，判断已处理的时间步是否小于预定序列的长度。

步骤S4，若已处理的时间步小于预定序列的长度，则对输入张量进行切片操作(降维操作)，得到对应的降维输入向量并执行步骤S5。

步骤S5，将降维输入向量输入到量子门控循环单元中进行计算，输出所有时间步对应的隐藏状态。

图3为本发明实施例中的量子门控循环神经网络的整体结构示意图。

如图3所示，本实施例提供的量子门控循环神经网络(量子门控循环单元)51包括第一量子线路52、第二量子线路53、第三量子线路54。

第一量子线路52用于筛选预定序列中先前隐藏状态下需要保留的时间步对应的特定信息的数目，第一量子线路52包括第一变分量子线路521、第二变分量子线路522。

其中，第一量子线路52的表达式如下：

r_t＝σ(VQC₁(x_t)+VQC₂(h_t-1))

σ为激活函数，VQC₁为第一变分量子线路521，x_t为预定序列中t时刻的时间步对应的特定信息，h_t-1为预定序列t-1时刻的时间步对应的特定信息，VQC₂为第二变分量子线路522。

图4为现有变分量子线路的结构示意图。

如图4所示，现有变分量子线路包括量子比特及量子逻辑门，其中，U(x)用于对输入矢量X进行编码并得到对应的量子态，将初始化后的量子比特在V(θ)中进行变分幺正计算和参数更新(θ)，重复多次测量量子比特即可输出对应的概率值。

图5是本发明的实施例中第一量子线路的结构示意图。

如图5所示，本实施例提供的第一量子线路52包括第一变分量子线路521与第二变分量子线路522。

图5a为第一变分量子线路的结构示意图。

如图5a所示，第一变分量子线路521用于提取预定序列中的特定信息x_t并对其进行压缩，从而输出提取的特定信息对应的变分矢量，第一变分量子线路521包括参数化旋转模块5211、纠缠模块5212。

参数化旋转模块5211用于提供第一变分量子线路521可学习的参数，并将降维输入向量中的每个元素编码为量子叠加态。

在本实施利中，通过如下公式将降维输入向量编码为叠加量子态，具体公式如下：

其中，求和指标i是十进制的数，代表相应的基态的位串。n维的降维输入向量x＝(x₁,...,x_n)对应预定序列中的每一个特定信息，并且n维输入向矢量x中的每一个元素将被用来生成两个旋转角度，比如，arctan(x₁)，

第一个旋转角的生成通过旋转y轴(参数化泡利旋转门R_Y)得到，第二个旋转角的生成是通过旋转z轴(参数化泡利旋转门R_Z)得到。通过给每一个量子比特施加两个旋转操作，使得作为相等叠加初始状态的输入向量x转变成对应的量子叠加态。

纠缠模块5212包括预定数目的控制非门5213和单比特旋转门(U)5214。

控制非门5213作用在量子叠加态中每一对相邻的量子比特上，或者间隔为一的量子比特上，从而创造出纠缠的多比特量子态。

单比特旋转门5214具有多个旋转角度，如α,β,γ，利用现有的优化方式对单比特旋转门5214中的旋转角度进行计算，并对前n个量子比特进行测量，输出的量子态为2ⁿ维矢量。重复对预定序列中的每一位置使用第一变分量子线路521，输出形状为(预定序列长度，2ⁿ)的矩阵。

在本实施例中，通过测量第一变分量子线路521的量子测量层，从而输出变分量子线路输出的结果Z∈R^N×S×E，其中，R为实数，N是批量大小，S是序列长度，E是嵌入维度，E≥3。本实施例中，E为4，对应变分量子线路中的四个量子比特q₀、q₁、q₂、q₃，在其他实施例中，E对应的量子比特数目可以多于4。具体测量全部或部分量子比特(根据输出特征数量决定)。单次测量会返回经典位串，如00...1，对应于基态|1>。为了估计量子态的所有振幅的模方，多次重复测量相等的量子叠加态，用测量结果的频率估计预测结果的概率(振幅的模方)。

其中，本实施例使用现有的损失函数对第一变分量子线路521中的旋转角度进行重置和更新。

图5b为第二变分量子线路的结构示意图。

如图5b所示，第二变分量子线路522的结构与第一变分量子线路521的结构相同，区别仅在于第二量子变分量子线路522用于提取、压缩第一变分量子线路521输入的特定信息x_t对应的隐藏状态h_t-1并对该隐藏状态h_t-1进行压缩，从而输出隐藏状态h_t-1对应的变分矢量，在此不再赘述。

如图3所示，第二量子线路53包括第三变分量子线路531与第四变分量子线路532。

第二量子线路53用于分别确定先前隐藏状态下需要保留的时间步及当前需要保留的时间步对应的特定信息的数目。

在本实施例中，第二量子线路53的表达式如下：

n_t＝tanh(VQC₃(x_t)+r_t*VQC₄(h_t-1))

tanh为激活函数，VQC₃为第三变分量子线路531，r_t为第一量子线路52，VQC₄为第四变分量子线路532。

在本实施例中，第三变分量子线路531与第一变分量子线路521的结构相同，第四变分量子线路532与第二变分量子线路522的结构相同，在此不再赘述。

第三量子线路54用于确定需要保留的先前隐藏状态下的时间步对应的特定信息的数目，第三量子线路54的表达式如下：

z_t＝σ(VQC₅(x_t)+VQC₆(h_t-1))

VQC₅为第五变分量子线路541，VQC₆为第六变分量子线路542，第五变分量子线路541与第一变分量子线路521的结构相同，第六变分量子线路542与第二变分量子线路522的结构相同，在此不再赘述。

在本实施例中，先前已处理的所有特定信息对应的隐藏状态的表达式如下：

h_t＝(1-z_t)*n_t+z_t*h_t-1

z_t为第三量子线路54，n_t为第二量子线路53。

步骤S6，若已处理的时间步大于预定序列的长度，则执行下一步。

步骤S7，对先前已处理的所有时间步对应的所有隐藏状态进行线性变换，输出预定序列对应的蛋白质药物结合亲和力。

参见图3，将变分量子线路输出的先前已处理的所有时间步对应的所有隐藏状态h_t进行线性变换，输出结果Y∈R^N×1即为药物分子与蛋白质的结合亲和力，其中，R为实数，N是批量大小。本实施例中，输出结果Y为N行1列的向量，每行即为每个批次输出的最优蛋白质药物结合亲和力对应的数值。

图6是本发明的实施例中基于量子门控循环神经网络预测蛋白质药物结合力的装置的结构示意图。

如图6所述，本发明的实施例提供的基于量子门控循环神经网络预测蛋白质药物结合力的装置100包括输入张量获取模块10、特定信息位置初始化模块20、当前已处理特定信息数目判断模块30、降维输入向量获取模块40、先前已处理的所有特定信息隐藏状态获取模块50、蛋白质药物结合亲和力预测模块60。

输入张量获取模块10采用步骤S1的方法将包含特定信息的预定序列预处理后得到对应的输入张量。

特定信息位置初始化模块20采用步骤S2的方法初始化特定信息对应的时间步及隐藏状态。

当前已处理特定信息数目判断模块30采用步骤S3的方法判断已处理的时间步是否小于预定序列的长度。

降维输入向量获取模块40采用步骤S4的方法对输入张量进行切片操作(降维操作)，得到对应的降维输入向量。

先前已处理的所有特定信息隐藏状态获取模块50采用步骤S5的方法将降维输入向量输入到量子门控循环单元中进行计算，输出所有时间步对应的隐藏状态。

蛋白质药物结合亲和力预测模块60采用步骤S7的方法对先前已处理的所有时间步对应的所有隐藏状态进行线性变换，输出预定序列对应的蛋白质药物结合亲和力。

实施例的作用与效果

根据本实施例所涉及的基于量子门控循环神经网络预测蛋白质药物结合力的方法，因为该方法将包含药物分子序列、蛋白质序列及蛋白质口袋序列的预定序列预处理为对应的降维输入向量，并将该降维输入向量输入量子门控循环神经网络进行量子计算，通过对预定序列输入的特定信息及其对应的隐藏状态进行重置和更新，从而输出预定序列对应的蛋白质药物结合力。所以，该方法满足了门控循环神经网络算法建立序列长期短期依赖关系的需求，并且计算资源消耗少，减少了模型训练的参数、加快了模型的收敛速度，因此在量子芯片和电子芯片的协同工作中具有广泛应用。

进一步地，量子门控循环单元包括第一量子线路、第二量子线路、第三量子线路，每个量子线路均包括两个变分量子线路。因为该方法在量子线路变分阶段使用了参数化泡利旋转门与纠缠门，并与经典的神经网络相对应，运用量子计算的高并行特性，优化模型训练的参数，从而解决了经典RNN不能并行计算的瓶颈。

进一步地，因为在测量得到任意变分量子线路的变分矢量时，本实施例可以测量部分量子比特，也可以测量全部量子比特，所以，本实施例提供的测量方法可以实现降维输入向量的升维和降维。

进一步地，对于存储有计算机程序的存储介质，该计算机程序可以被设置为运行时执行本实施例提供的基于量子门控循环神经网络预测蛋白质药物结合力的方法。

进一步地，对于包含存储器和处理器的电子产品，该存储器中存储有计算机程序，并且该处理器被设置为运行其存储的计算机程序以执行本实施例提供的基于量子门控循环神经网络预测蛋白质药物结合力的方法。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (10)

1.一种基于量子门控循环神经网络预测蛋白质药物结合力的方法，其特征在于，包括：

将包含特定信息的预定序列预处理后得到对应的输入张量；

初始化所述特定信息对应的时间步及隐藏状态；

判断已处理的时间步是否小于所述预定序列的长度；

若所述已处理的时间步小于所述预定序列的长度，则对所述输入张量进行切片操作，得到对应的降维输入向量；

将所述降维输入向量输入到量子门控循环单元中进行计算，输出所有时间步对应的隐藏状态；

若所述已处理的时间步大于所述预定序列的长度，则执行下一步；

对所述先前已处理的所有时间步对应的所有隐藏状态进行线性变换，输出所述预定序列对应的蛋白质药物结合亲和力，

所述预定序列包括药物分子序列、蛋白质序列及蛋白质口袋序列。

2.根据权利要求1所述的方法，其特征在于：

其中，所述量子门控循环单元包括第一量子线路、第二量子线路以及第三量子线路，

所述第一量子线路用于筛选所述预定序列中先前隐藏状态下需要保留的时间步对应的所述特定信息的数目；

所述第二量子线路用于分别确定先前隐藏状态下需要保留的时间步及当前需要保留的时间步对应的所述特定信息的数目；

所述第三量子线路用于确定需要保留的先前隐藏状态下的时间步对应的所述特定信息。

3.根据权利要求2所述的方法，其特征在于：

其中，所述第一量子线路包括第一变分量子线路、第二变分量子线路，

所述第一量子线路的表达式如下：

r_t＝σ(VQC₁(x_t)+VQC₂(h_t-1))

σ为激活函数，VQC₁为第一变分量子线路，x_t为所述预定序列中t时刻的时间步对应的所述特定信息，h_t-1为所述预定序列中t-1时刻的时间步对应的所述特定信息的隐藏状态。

4.根据权利要求2所述的方法，其特征在于：

其中，所述第二量子线路包括第三变分量子线路、第四变分量子线路，

所述第二量子线路的表达式如下：

n_t＝tanh(VQC₃(x_t)+r_t*VQC₄(h_t-1))

tanh为激活函数，VQC₃为第三变分量子线路，r_t为所述第三量子线路，VQC₄为第四变分量子线路。

5.根据权利要求2所述的方法，其特征在于：

其中，所述第三量子线路的表达式如下：

z_t＝σ(VQC₅(x_t)+VQC₆(h_t-1))

VQC₅为第五变分量子线路，VQC₆为第六变分量子线路。

6.根据权利要求4或5所述的方法，其特征在于：

其中，所述先前已处理的所有时间步对应的所有隐藏状态的表达式如下：

h_t＝(1-z_t)*n_t+z_t*h_t-1

z_t为所述第三量子线路，n_t为第二量子线路。

7.根据权利要求3-5任意一项所述的方法，其特征在于：

其中，任一所述变分量子线路均包括预定数目的参数化旋转模块与纠缠模块，

所述参数化旋转模块用于提供所述变分量子线路可学习的参数；

所述纠缠模块用于提供纠缠的多比特量子态。

8.根据权利要求1所述的方法，其特征在于：

其中，所述特定信息来自PDBbind数据库。

9.根据权利要求7所述的方法，其特征在于：

其中，所述变分量子线路输出的结果Z∈R^N×S×E，所述线性变换后输出的结果Y∈R^N×1，且所述Y即为药物分子与蛋白质的结合亲和力，

R为实数，N是批量大小，S是序列长度，E是嵌入维度。

10.根据权利要求9所述的方法，其特征在于：

其中，在所述变分量子线路输出的结果Z∈R^N×S×E中，E≥3。

Images