CN114613427B - 蛋白质三维结构预测方法及装置、电子设备和存储介质 - Google Patents

蛋白质三维结构预测方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114613427B
CN114613427B CN202210253433.2A CN202210253433A CN114613427B CN 114613427 B CN114613427 B CN 114613427B CN 202210253433 A CN202210253433 A CN 202210253433A CN 114613427 B CN114613427 B CN 114613427B
Authority
CN
China
Prior art keywords
information
protein
sequence
sample
representation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210253433.2A
Other languages
English (en)
Other versions
CN114613427A (zh
Inventor
李盼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shuimu Future Beijing Technology Co ltd
Original Assignee
Shuimu Future Beijing Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shuimu Future Beijing Technology Co ltd filed Critical Shuimu Future Beijing Technology Co ltd
Priority to CN202210253433.2A priority Critical patent/CN114613427B/zh
Publication of CN114613427A publication Critical patent/CN114613427A/zh
Application granted granted Critical
Publication of CN114613427B publication Critical patent/CN114613427B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/20—Protein or domain folding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本公开涉及一种蛋白质三维结构预测方法及装置、电子设备和存储介质，所述方法包括：将待处理蛋白质序列输入蛋白质语言模型，获得蛋白质表示信息及残基对注意力信息；对待处理蛋白质序列进行编码，获得外积矩阵；根据残基对注意力信息以及外积矩阵，获得残基对表示信息；根据蛋白质表示信息、残基对表示信息、初始化的蛋白质骨架信息，以及结构预测模型，确定待处理蛋白质序列的三维结构信息。根据本公开的实施例的蛋白质三维结构预测方法，可基于残基对注意力模型和结构预测模型预测蛋白质序列的三维结构，能够在输入单条蛋白质序列的情况下，准确地预测蛋白质的三维结构，且提升预测效率。

Description

蛋白质三维结构预测方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种蛋白质三维结构预测方法及装置、电子设备和存储介质。
背景技术
在相关技术中，AlphaFold2模型可对蛋白质的三维结构进行预测，并取得较好的预测效果，但该模型要求输入模型的蛋白质序列具有同源序列，在仅输入单条蛋白质序列时，其预测效果将大幅下降。因此，在相关技术中，难以对单序列的蛋白质的三维结构进行准确预测。
发明内容
本公开提出了一种蛋白质结构预测方法及装置、电子设备和存储介质。
根据本公开的一方面，提供了一种蛋白质结构预测方法，包括：将待处理蛋白质序列输入蛋白质语言模型，获得蛋白质表示信息及残基对注意力信息；对所述待处理蛋白质序列进行编码处理，获得所述待处理蛋白质序列的外积矩阵；根据所述残基对注意力信息以及所述外积矩阵，获得残基对表示信息；根据所述蛋白质表示信息、所述残基对表示信息、初始化的蛋白质骨架信息，以及结构预测模型，确定所述待处理蛋白质序列的三维结构信息。
在一种可能的实现方式中，对所述待处理蛋白质序列进行编码处理，获得所述待处理蛋白质序列的外积矩阵，包括：对所述蛋白质序列分别进行左侧线性变换和右侧线性变换，分别获得左侧变换张量信息和右侧变换张量信息；确定所述左侧变换张量信息和所述右侧变换张量信息的外积，获得所述待处理蛋白质序列的外积矩阵。
在一种可能的实现方式中，根据所述残基对注意力信息以及所述外积矩阵，获得残基对表示信息，包括：将所述残基对注意力信息进行线性变换，获得注意力张量信息；将所述注意力张量信息与所述外积矩阵进行求和，获得所述残基对表示信息。
在一种可能的实现方式中，根据所述蛋白质表示信息、所述残基对表示信息、初始化的蛋白质骨架信息，以及结构预测模型，确定所述待处理蛋白质序列的三维结构信息，包括：将所述蛋白质表示信息进行线性变换，获得序列表示信息；将所述序列表示信息、所述残基对表示信息和所述初始化的蛋白质骨架信息输入所述结构预测模型，获取第一个迭代周期的三维结构信息、第一个迭代周期的序列表示信息以及第一个迭代周期的蛋白质骨架信息；将所述残基对表示信息、前一个迭代周期的蛋白质骨架信息以及前一个迭代周期的序列表示信息输入所述结构预测模型，获得当前迭代周期的三维结构信息、当前迭代周期的序列表示信息以及当前迭代周期的蛋白质骨架信息；在迭代次数满足预设条件的情况下，将当前迭代周期的三维结构信息确定为所述待处理蛋白质序列的三维结构信息。
在一种可能的实现方式中，所述方法还包括：将第一样本蛋白质序列的多个位点的残基进行随机遮蔽，获得遮蔽后的第二样本蛋白质序列；将所述第二样本蛋白质序列输入所述蛋白质语言模型，获得样本蛋白质表示信息及样本残基对注意力信息；获得所述第一样本蛋白质序列的外积矩阵，并根据所述外积矩阵及所述样本残基对注意力信息，获得样本残基对表示信息；根据所述样本残基对表示信息、样本蛋白质表示信息、初始化的蛋白质骨架信息以及所述结构预测模型，获得第一样本蛋白质序列的预测三维结构信息、预测蛋白质骨架信息和预测序列表示信息；根据所述样本残基对表示信息和所述样本蛋白质表示信息，获得第一模型损失；根据所述预测三维结构信息，获得第二模型损失；根据所述第一模型损失和所述第二模型损失，训练所述蛋白质语言模型和所述结构预测模型。
在一种可能的实现方式中，根据所述样本残基对表示信息和所述样本蛋白质表示信息，获得第一模型损失，包括：根据所述样本残基对表示信息，确定残基对距离信息；根据所述样本蛋白质表示信息，确定被遮蔽的残基的预测类型信息；对所述样本蛋白质表示信息进行线性变换，获得样本序列表示信息；根据所述样本序列表示信息，确定残基置信度信息；根据所述残基对距离信息、所述预测类型信息、所述残基置信度信息和所述第一样本蛋白质序列的标注信息，确定所述第一模型损失。
在一种可能的实现方式中，根据所述第一模型损失和所述第二模型损失，训练所述蛋白质语言模型和所述结构预测模型，包括：根据所述第一模型损失调整所述蛋白质语言模型的模型参数，并根据所述第二模型损失调整所述结构预测模型及所述蛋白质语言模型的模型参数；在满足训练条件的情况下，获得训练后的蛋白质语言模型和训练后的结构预测模型。
根据本公开的一方面，提供了一种蛋白质结构预测装置，包括：蛋白质语言模型推断模块，用于将待处理蛋白质序列输入蛋白质语言模型，获得蛋白质表示信息及残基对注意力信息；外积矩阵获得模块，用于对所述待处理蛋白质序列进行编码处理，获得所述待处理蛋白质序列的外积矩阵；残基对表示信息获得模块，用于根据所述残基对注意力信息以及所述外积矩阵，获得残基对表示信息；结构信息确定模块，用于根据所述蛋白质表示信息、所述残基对表示信息、初始化的蛋白质骨架信息，以及结构预测模型，确定所述待处理蛋白质序列的三维结构信息。
在一种可能的实现方式中，所述外积矩阵获得模块进一步用于：对所述蛋白质序列分别进行左侧线性变换和右侧线性变换，分别获得左侧变换张量信息和右侧变换张量信息；确定所述左侧变换张量信息和所述右侧变换张量信息的外积，获得所述待处理蛋白质序列的外积矩阵。
在一种可能的实现方式中，所述残基对表示信息获得模块进一步用于：将所述残基对注意力信息进行线性变换，获得注意力张量信息；将所述注意力张量信息与所述外积矩阵进行求和，获得所述残基对表示信息。
在一种可能的实现方式中，所述结构信息确定模块进一步用于：将所述蛋白质表示信息进行线性变换，获得序列表示信息；将所述序列表示信息、所述残基对表示信息和所述初始化的蛋白质骨架信息输入所述结构预测模型，获取第一个迭代周期的三维结构信息、第一个迭代周期的序列表示信息以及第一个迭代周期的蛋白质骨架信息；将所述残基对表示信息、前一个迭代周期的蛋白质骨架信息以及前一个迭代周期的序列表示信息输入所述结构预测模型，获得当前迭代周期的三维结构信息、当前迭代周期的序列表示信息以及当前迭代周期的蛋白质骨架信息；在迭代次数满足预设条件的情况下，将当前迭代周期的三维结构信息确定为所述待处理蛋白质序列的三维结构信息。
在一种可能的实现方式中，所述装置还包括：训练模块，用于将第一样本蛋白质序列的多个位点的残基进行随机遮蔽，获得遮蔽后的第二样本蛋白质序列；将所述第二样本蛋白质序列输入所述蛋白质语言模型，获得样本蛋白质表示信息及样本残基对注意力信息；获得所述第一样本蛋白质序列的外积矩阵，并根据所述外积矩阵及所述样本残基对注意力信息，获得样本残基对表示信息；根据所述样本残基对表示信息、样本蛋白质表示信息、初始化的蛋白质骨架信息以及所述结构预测模型，获得第一样本蛋白质序列的预测三维结构信息、预测蛋白质骨架信息和预测序列表示信息；根据所述样本残基对表示信息和所述样本蛋白质表示信息，获得第一模型损失；根据所述预测三维结构信息，获得第二模型损失；根据所述第一模型损失和所述第二模型损失，训练所述蛋白质语言模型和所述结构预测模型。
在一种可能的实现方式中，所述训练模块进一步用于：根据所述样本残基对表示信息，确定残基对距离信息；根据所述样本蛋白质表示信息，确定被遮蔽的残基的预测类型信息；对所述样本蛋白质表示信息进行线性变换，获得样本序列表示信息；根据所述样本序列表示信息，确定残基置信度信息；根据所述残基对距离信息、所述预测类型信息、所述残基置信度信息和所述第一样本蛋白质序列的标注信息，确定所述第一模型损失。
在一种可能的实现方式中，所述训练模块进一步用于：根据所述第一模型损失调整所述蛋白质语言模型的模型参数，并根据所述第二模型损失调整所述结构预测模型及所述蛋白质语言模型的模型参数；在满足训练条件的情况下，获得训练后的蛋白质语言模型和训练后的结构预测模型。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的实施例的蛋白质三维结构预测方法，可基于残基对注意力模型和结构预测模型预测蛋白质序列的三维结构，能够在输入单条蛋白质序列的情况下，准确地预测蛋白质的三维结构，且提升预测效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的蛋白质三维结构预测方法的流程图；
图2示出根据本公开的实施例的蛋白质三维结构预测方法的应用示意图；
图3A、图3B和图3C示出根据本公开的实施例的蛋白质三维结构预测方法的应用示意图；
图4示出根据本公开实施例的蛋白质三维结构预测装置的框图；
图5示出根据本公开实施例的一种电子设备的框图；
图6示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的蛋白质三维结构预测方法的流程图，如图1所示，所述方法包括：
在步骤S11中，将待处理蛋白质序列输入蛋白质语言模型，获得蛋白质表示信息及残基对注意力信息；
在步骤S12中，对所述待处理蛋白质序列进行编码处理，获得所述待处理蛋白质序列的外积矩阵；
在步骤S13中，根据所述残基对注意力信息以及所述外积矩阵，获得残基对表示信息；
在步骤S14中，根据所述蛋白质表示信息、所述残基对表示信息、初始化的蛋白质骨架信息，以及结构预测模型，确定所述待处理蛋白质序列的三维结构信息。
根据本公开的实施例的蛋白质三维结构预测方法，可基于残基对注意力模型和结构预测模型预测蛋白质序列的三维结构，能够在输入单条蛋白质序列的情况下，准确地预测蛋白质的三维结构，且提升预测效率。
在一种可能的实现方式中，蛋白质序列可包括多个位点，每个位点可包括一个氨基酸的残基，在示例中，蛋白质序列包括多种(例如，20种)氨基酸，多种氨基酸包括多种(例如，37种)原子，例如，多种原子可包括：N、CA、C、CB、O、CG、CG1、CG2、OG、OG1、SG、CD、CD1、CD2、ND1、ND2、OD1、OD2、SD、CE、CE1、CE2、CE3、NE、NE1、NE2、OE1、OE2、CH2、NH1、NH2、OH、CZ、CZ2、CZ3、NZ、OXT。在示例中，蛋白质序列的长度为L(L为正整数)，rj表示每j(j为正整数)个位点残基类型，rj为20种氨基酸的残基的独热编码。基于以上描述，蛋白质序列可表示为Xr，Xr为包括每个位点的氨基酸的残基的独热编码的张量，Xr的维度为L×氨基酸种类数量(例如，20)。蛋白质可具有三维结构，即，蛋白质序列的多种氨基酸可能并非简单地互相连接，而是共同构成一种三维结构，三维结构可基于各原子的三维空间位置
Figure BDA0003547543670000051
来表示，在示例中，三维结构的维度为L×原子种类数量(例如，37)×3，L表示蛋白质序列的长度，3表示三维坐标，即，三维结构可表示为每个位点中，各种原子的三维坐标。基于上述蛋白质语言模型及结构预测模型，以及多种其他处理(例如，编码、线性变换等)获得三维结构，例如，可根据维度为L×20的蛋白质序列获得维度为L×37×3的三维结构。本公开对氨基酸和原子的种类及数量不做限制。
在一种可能的实现方式中，在步骤S11中，所述待处理蛋白质序列可以是描述单序列的蛋白质序列的张量，所述蛋白质语言模型可以是深度学习神经网络模型，例如，该模型可包括多个(例如，33个)转换层级，每个层级都存在维度为L×L×氨基酸种类数量(例如，20)的注意力机制，所述注意力机制可以是针对每种氨基酸的残基对的自注意力机制，基于该自注意力机制，可使得所述蛋白质语言模型能够将注意力机制集中于对于残基构成的残基对，从而可对残基对进行描述，以及为基于残基对进行三维结构的预测提供数据基础。在示例中，所述蛋白质语言模型可提供的33个层级共可提供维度为层级数量(例如，33)×L×L×氨基酸种类数量(例如，20)的自注意力信息，即，残基对注意力信息LMp。本公开对蛋白质语言模型的层级数量不做限制。
在一种可能的实现方式中，所述蛋白质语言模型还可输出蛋白质表示信息，例如，可表示待处理蛋白质序列的编码信息，例如，向量、矩阵或张量形式的编码信息，例如，维度为L×1280的编码信息，本公开对蛋白质表示信息的维度不做限制。所述蛋白质表示信息可用于描述待处理蛋白质序列中各残基的类型，为后续的结构预测模块基于残基的类型预测各原子的三维坐标(即，三维结构信息)提供数据基础。
在一种可能的实现方式中，在预测三维结构信息时，可基于残基对以及残基的类型进行预测。在描述残基对时，可基于以上获得的残基对注意力信息进行描述，例如，可基于残基对注意力信息，预测并描述残基对的距离。
在一种可能的实现方式中，在步骤S12中，可获得待处理蛋白质序列的外积矩阵，以用于与残基对注意力信息共同预测并描述残基对的类型。可基于对待处理蛋白质序列进行编码，来获得用于预测残基对的信息，在示例中，待处理蛋白质序列为描述单序列的蛋白质序列的张量，每个位点可包括一个氨基酸的残基，因此，可为残基进行匹配成为残基对的形式。例如，可通过编码，将描述单序列的蛋白质序列中各残基的张量，变换为描述各残基对的张量的形式。
在一种可能的实现方式中，步骤S12可包括：对所述蛋白质序列分别进行左侧线性变换和右侧线性变换，分别获得左侧变换张量信息和右侧变换张量信息；确定所述左侧变换张量信息和所述右侧变换张量信息的外积，获得所述待处理蛋白质序列的外积矩阵。
在一种可能的实现方式中，所述左侧线性变换为对蛋白质序列的张量左侧嵌入线性变换参数(例如，左乘线性变换矩阵等)，所述右侧线性变换为对蛋白质序列的张量右侧嵌入线性变换参数(例如，右乘线性变换矩阵等)，以改变蛋白质序列的张量的形式，例如，将其变换为维度为L×EP(EP为正整数)的张量。进一步地，可将上述线性变换获得的左侧变换张量信息和右侧变换张量信息进行相乘，获得两个张量的外积矩阵，即，蛋白质序列的外积矩阵，所述外积矩阵的维度为L×L×EP。左侧线性变换和右侧线性变换的参数可以是预设的，也可以是在蛋白质语言模型和结构预测模型进行训练时，通过参数调整获得的，本公开对此不做限制。
在一种可能的实现方式中，通过上述编码处理，可获得残基对形式的张量，即，外积矩阵，进一步地，基于残基对注意力信息，可对残基对进行预测和描述，例如，描述残基对的距离信息。
在一种可能的实现方式中，步骤S13可包括：将所述残基对注意力信息进行线性变换，获得注意力张量信息；将所述注意力张量信息与所述外积矩阵进行求和，获得所述残基对表示信息。
在一种可能的实现方式中，可对残基对注意力信息进行线性变换，例如，变换为与外积矩阵的维度相同的张量信息，以与外积矩阵进行匹配，进而可基于匹配后的结果预测和描述残基对。在示例中，可将维度为层级数量×L×L×氨基酸种类数量的残基对注意力信息进行线性变换，获得维度为L×L×EP(与外积矩阵的维度相同)的注意力张量信息。对注意力信息进行线性变换的变换参数可以是预设的，也可以是蛋白质语言模型和结构预测模型进行训练时，通过参数调整获得的，本公开对此不做限制。
在一种可能的实现方式中，在线性变换得到注意力张量信息，可将其与外积矩阵进行求和，即，将两个信息中，对应的元素进行相加，获得残基对表示信息P，残基对表示信息P的维度仍然为L×L×EP，例如，EP个L×L的矩阵。残基对表示信息可用于预测残基对的距离等信息。本公开对此不做限制。
在一种可能的实现方式中，在步骤S14中，所述结构预测模型可基于以上获得的蛋白质表示信息和残基对表示信息，来预测待处理蛋白质序列的三维结构信息，结构预测模型可以是深度学习神经网络模型，本公开对结构预测模型的结构不做限制。步骤S14可包括：将所述蛋白质表示信息进行线性变换，获得序列表示信息；将所述序列表示信息、所述残基对表示信息和所述初始化的蛋白质骨架信息输入所述结构预测模型，获取第一个迭代周期的三维结构信息、第一个迭代周期的序列表示信息以及第一个迭代周期的蛋白质骨架信息；将所述残基对表示信息、前一个迭代周期的蛋白质骨架信息以及前一个迭代周期的序列表示信息输入所述结构预测模型，获得当前迭代周期的三维结构信息、当前迭代周期的序列表示信息以及当前迭代周期的蛋白质骨架信息；在迭代次数满足预设条件的情况下，将当前迭代周期的三维结构信息确定为所述待处理蛋白质序列的三维结构信息。
在一种可能的实现方式中，所述蛋白质表示信息的维度为L×1280，为匹配结构预测模型的输入类型，可对蛋白质表示信息进行线性变换，获得序列表示信息S，序列表示信息S的维度为L×L×Es，例如，Es个L×L的矩阵。并且，序列表示信息还可用于确定对于残基的描述的置信度，本公开对序列表示信息的用途不做限制。
在一种可能的实现方式中，可设置初始化的蛋白质骨架信息，例如，肽链的原子位置和连接方向等信息。在示例中，蛋白质骨架信息可包括Cα的三维坐标trans(维度为L×3，其中，待处理蛋白质的每个位点的骨架中包括一个Cα原子，共L个，可用于表示蛋白质骨架信息中每个位点的三维坐标)以及残基的旋转矩阵rot(维度为L×3×3，其中，待处理蛋白质的每个位点的骨架中均包括的N、Cα、C三个原子，所述旋转矩阵可包括上述三个原子的旋转矩阵，可基于旋转矩阵确定上述三个原子之间连接的角度，以进一步确定该位点的残基的三维位置)。在初始化的蛋白质骨架信息中，trans和rot中的各元素均可设为0，并可经过多次迭代，获得更准确的蛋白质骨架信息。进一步地，可基于对各位点的残基的描述以及残基对的描述(例如，残基中各原子与骨架中的原子的相对位置关系)，来获得更准确的待处理蛋白质序列的三维结构信息。
在一种可能的实现方式中，可将初始化的蛋白质骨架信息F，序列表示信息S和残基对表示信息P输入结构预测模型进行迭代，获得第一个迭代周期的三维结构信息Y1(维度为L×原子种类数量×3，即，每个位点的各种原子的三维坐标)，第一个迭代周期的序列表示信息S1(即，对序列表示信息S中的参数进行更新后的表示信息，可表示序列中各残基的相对位置变化等内容的更新，本公开对此不做限制)以及第一个迭代周期的蛋白质骨架信息F1(即，对蛋白质骨架信息F中的元素进行更新后的骨架信息，例如，对Cα原子的位置信息进行更新，和/或对旋转矩阵中的元素进行更新等，可表示蛋白质骨架的形状变化或更新，本公开对此不做限制)。
在一种可能的实现方式中，在后续的迭代周期中，可将残基对表示信息P、前一个迭代周期的蛋白质骨架信息以及前一个迭代周期的序列表示信息输入所述结构预测模型，获得当前迭代周期的三维结构信息、当前迭代周期的序列表示信息以及当前迭代周期的蛋白质骨架信息。例如，在第2个迭代周期中，可将残基对表示信息P、第1个迭代周期的序列表示信息S1和第1个迭代周期的蛋白质骨架信息F1输入结构预测模型，获得第2个迭代周期的序列表示信息S2、第2个迭代周期的蛋白质骨架信息F2和第2个迭代周期的三维结构信息Y2。在第3个迭代周期中，可将残基对表示信息P、第2个迭代周期的序列表示信息S2和第2个迭代周期的蛋白质骨架信息F2输入结构预测模型，获得第3个迭代周期的序列表示信息S3、第3个迭代周期的蛋白质骨架信息F3和第3个迭代周期的三维结构信息Y3……可按照上述方式进行多次迭代。
在一种可能的实现方式中，每次迭代可提升三维结构信息的精度，可设置精度条件，例如，在两次迭代中，三维结构信息的变化幅度很小的情况下，不再继续迭代。也可设置迭代次数条件，并在达到迭代次数时，不再继续迭代。在示例中，可在迭代次数达到8次的情况下，停止迭代，获得待处理蛋白质序列的三维结构信息Y8，在这种情况下，可认为三维结构信息的精度较高，则作为待处理蛋白质序列的预测的三维结构信息。本公开对迭代次数的具体数值不做限制。
通过这种方式，可通过迭代逐次提升三维结构信息的预测精度，以获得准确性较高的三维结构信息。
在一种可能的实现方式中，可对上述蛋白质语言模型和结构预测模型进行训练，使得蛋白质语言模型和结构预测模型能够对单序列的蛋白质序列进行描述以及预测其三维结构信息。训练过程可包括：将第一样本蛋白质序列的多个位点的残基进行随机遮蔽，获得遮蔽后的第二样本蛋白质序列；将所述第二样本蛋白质序列输入所述蛋白质语言模型，获得样本蛋白质表示信息及样本残基对注意力信息；获得所述第一样本蛋白质序列的外积矩阵，并根据所述外积矩阵及所述样本残基对注意力信息，获得样本残基对表示信息；根据所述样本残基对表示信息、样本蛋白质表示信息、初始化的蛋白质骨架信息以及所述结构预测模型，获得第一样本蛋白质序列的预测三维结构信息、预测蛋白质骨架信息和预测序列表示信息；根据所述样本残基对表示信息和所述样本蛋白质表示信息，获得第一模型损失；根据所述预测三维结构信息，获得第二模型损失；根据所述第一模型损失和所述第二模型损失，训练所述蛋白质语言模型和所述结构预测模型。
在一种可能的实现方式中，第一样本蛋白质序列可来自RCSB PDB数据库，也可来自其他数据库，数据库中具有第一样本蛋白质序列的详细信息，例如，序列的表示信息以及三维结构信息等，本公开对第一样本蛋白质序列的来源不做限制。第一样本蛋白质序列可以是单序列的蛋白质序列。上述数据库中的可包括多个单序列的蛋白质序列，可作为所述第一样本蛋白质序列，上述数据库中还可包括多序列的蛋白质复合体结构，其每条蛋白质序列均可作为所述第一样本蛋白质序列，本公开对第一样本蛋白质序列的获得方式不做限制。
在示例中，所述第一样本蛋白质序列可包括多种(例如，20种)氨基酸，多种氨基酸可包括多种(例如，37种)原子。在训练过程中，为了提升训练效率，可对蛋白质序列的长度做一定的限制，例如，将蛋白质序列的长度限制为384，如果蛋白质序列所包括的残基数量高于384，则可随机剪裁出包括384个残基的蛋白质序列作为第一样本蛋白质序列。
在一种可能的实现方式中，为了提升蛋白质语言模型对于蛋白质序列的预测和描述能力，可对第一样本蛋白质序列的多个位点的残基进行随机遮蔽，获得第二样本蛋白质序列，通过蛋白质语言模型处理第二样本蛋白质序列时，可对被遮蔽的部分残基的类型进行预测，并在训练过程中，提升蛋白质语言模型的预测能力，并可提升样本蛋白质表示信息以及样本残基对注意力信息的准确性。在示例中，可对第一样本蛋白质序列中15％的残基进行遮蔽，本公开对遮蔽的残基的数量不做限制。
在一种可能的实现方式中，可获得第一样本蛋白质序列的外积矩阵，获得的方式与上述获得待处理蛋白质序列的外积矩阵的方式相同，可对第一样本蛋白质序列分别进行左侧线性变换和右侧线性变换，并确定两次线性变换的获得的张量信息的外积，即可获得第一样本蛋白质序列的外积矩阵。
在一种可能的实现方式中，可将样本残基对注意力信息进行线性变换，并与外积矩阵中对应的元素进行求和，获得样本残基对表示信息。
在一种可能的实现方式中，可设置初始化的蛋白质骨架信息，例如，将Cα的三维坐标trans的各元素以及旋转矩阵rot的各元素均设为0。并可对样本蛋白质表示信息进行线性变换，获得样本序列表示信息，进而可将样本序列表示信息、样本残基对表示信息以及初始化的蛋白质骨架信息输入结构预测模型，可获得第一个迭代周期的预测三维结构信息、预测蛋白质骨架信息和预测序列表示信息。如上所述，可通过多次迭代来获得精度更高的三维结构信息，因此，可将前一个迭代周期的预测序列表示信息、预测蛋白质骨架信息和样本残基对表示信息输入结构预测模型，获得当前迭代周期的预测三维结构信息、预测蛋白质骨架信息和预测序列表示信息。
在一种可能的实现方式中，可设置迭代次数阈值，并在迭代次数达到迭代次数阈值的情况下，获得第一样本蛋白质序列的预测三维结构信息、预测蛋白质骨架信息和预测序列表示信息。进一步地，还可记录每次迭代过程中获得的预测三维结构信息、预测蛋白质骨架信息和预测序列表示信息。
在一种可能的实现方式中，可确定专用于调整蛋白质语言模型及线性变换参数的第一模型损失。根据所述样本残基对表示信息和所述样本蛋白质表示信息，获得第一模型损失，包括：根据所述样本残基对表示信息，确定残基对距离信息；根据所述样本蛋白质表示信息，确定被遮蔽的残基的预测类型信息；对所述样本蛋白质表示信息进行线性变换，获得样本序列表示信息；根据所述样本序列表示信息，确定残基置信度信息；根据所述残基对距离信息、所述预测类型信息、所述残基置信度信息和所述第一样本蛋白质序列的标注信息，确定所述第一模型损失。
在一种可能的实现方式中，如上所述，残基对表示信息可用于预测残基对的距离，可将残基对距离作为第一模型损失的参量之一。在示例中，可通过距离预测器(可以是一种深度学习神经网络模型，在此不做限制)确定残基对距离信息。距离预测器可将样本残基对表示信息进行对称处理，以通过逻辑回归来确定对称的残基对的类别，进而基于类别与残基对距离之间的对应关系来确定残基对距离信息。在示例中，可将残基对的类别按照Cβ原子之间的三维空间距离在2至
Figure BDA0003547543670000091
的距离范围内划分为64种，每种距离对应一种残基对的类别，可基于识别的残基对的类别确定残基对距离信息。
在一种可能的实现方式中，如上所述，第二样本蛋白质序列为被部分遮蔽的蛋白质序列，可通过蛋白质语言模型获得的样本蛋白质表示信息来确定被遮蔽的残基的预测类型信息，例如，可通过预测模型(可以是一种深度学习神经网络模型，在此不做限制)确定预测类型信息，本公开对此不做限制。进一步地，样本蛋白质表示信息进行线性变换后，获得样本序列表示信息，可对其进行预测，获得残基置信度信息。
在一种可能的实现方式中，可基于以上获得的残基置信度信息、预测类型信息和残基对距离信息与第一样本蛋白质序列的标注信息之间的误差，确定第一模型损失。例如，可获得残基置信度信息与标注信息之间的误差、预测类型信息与标注信息之间的误差、残基对距离信息与标注信息之间的误差，并将集中误差进行加权求和，获得第一模型损失。由于样本序列表示信息、样本残基对表示信息和样本蛋白质表示信息均为输入结构预测模型之前的信息，因此，在反向传播时，仅能用于调节蛋白质语言模型的参数以及上述线性变换的参数，而不能用于调节结构预测模型的参数。
在一种可能的实现方式中，如上所述，数据库中可记录有第一样本蛋白质序列的详细信息，例如，准确的三维结构信息等，这些信息可作为第一样本蛋白质序列的标注信息。进而可基于标注信息以及以上获得的预测三维结构信息等，确定第二模型损失。
在一种可能的实现方式中，可基于每个迭代周期中获得的预测三维结构信息(包括最终获得的预测三维结构信息)与标注信息之间的误差，确定第二模型损失。在示例中，可确定各迭代周期中预测三维结构信息与标注信息之间的误差，并将上述误差进行加权求和，获得第二模型损失。所述第二模型损失为结构预测模型的输出(即，最终输出)与标注信息之间的误差确定的，在反向传播时，可调节结构预测模型和蛋白质语言模型二者的参数，还可调节上述线性变化参数。
在一种可能的实现方式中，根据所述第一模型损失和所述第二模型损失，训练所述蛋白质语言模型和所述结构预测模型，包括：根据所述第一模型损失调整所述蛋白质语言模型的模型参数，并根据所述第二模型损失调整所述结构预测模型及所述蛋白质语言模型的模型参数；在满足训练条件的情况下，获得训练后的蛋白质语言模型和训练后的结构预测模型。
在一种可能的实现方式中，如上所述，第二模型损失可在反向传播时用于调整结构预测模型及蛋白质语言模型二者的参数，因此，可利用第一模型损失进行反向传播，以利用梯度下降法，按照使第二模型损失减小的方向调整二者的模型参数。
在一种可能的实现方式中，如上所述，第一模型损失仅用于在反向传播时调节蛋白质语言模型及线性变换的参数，因此，可利用第一模型损失进行反向传播，以利用梯度下降法，按照使第一模型损失减小的方向调整蛋白质语言模型的模型参数。
在一种可能的实现方式中，以上调整过程可迭代执行多次，直到满足训练条件，所述训练条件例如可包括蛋白质语言模型和结构预测模型精度符合要求，例如，获得的预测三维结构信息的误差收敛。或者，训练条件还可包括调整的次数达到次数阈值等，本公开对训练条件不做限制。在训练完成后，获得训练后的蛋白质语言模型和训练后的结构预测模型，可用于执行对单序列的蛋白质序列进行三维结构的预测的处理。
根据本公开的实施例的蛋白质三维结构预测方法，可基于残基对注意力模型和结构预测模型，通过多次迭代，主次提升预测精度，以获得较准确的蛋白质序列的三维结构，能够在输入单条蛋白质序列的情况下，准确地预测蛋白质的三维结构，且提升预测效率。
图2示出根据本公开的实施例的蛋白质结构预测方法的应用示意图，如图2所示，在蛋白质语言模型和结构预测模型的训练过程中，可对蛋白质序列进行随机遮蔽，并将遮蔽后的蛋白质序列输入蛋白质语言模型进行处理，获得残基对注意力信息LMp和蛋白质表示信息LMs，可对蛋白质表示信息LMs进行线性变换，获得序列表示信息S。
在一种可能的实现方式中，可对蛋白质序列进行左侧线性变换和右侧线性变换，并求解获得的张量的外积，以获得外积矩阵，进一步地，可对残基对注意力信息LMp进行线性变换，并与外积矩阵的对应元素进行求和，获得残基对表示信息P。
在一种可能的实现方式中，可将序列表示信息S、残基对表示信息P以及初始化的蛋白质骨架信息输入结构预测模型，输入第一个迭代周期的序列表示信息、第一个迭代周期的蛋白质骨架信息和第一个迭代周期的三维结构信息。进一步地，可进行多次迭代，即，将残基对表示信息P、前一个迭代周期的蛋白质骨架信息以及前一个迭代周期的序列表示信息输入结构预测模型，获得当前迭代周期的蛋白质骨架信息、当前迭代周期的三维结构信息以及当前迭代周期的序列表示信息。在进行8次迭代后，可获得最终的序列表示信息、蛋白质骨架信息和三维结构信息，进而基于各迭代周期的预测三维结构信息与蛋白质序列的标注信息之间的误差，获得第二模型损失。
在一种可能的实现方式中，可基于残基对表示信息P求解残基对距离信息，基于蛋白质表示信息LMs确定被遮蔽的残基的预测类型信息，并基于序列表示信息S确定残基置信度信息。进而可基于与蛋白质序列的标注信息之间的误差，获得第一模型损失。
在一种可能的实现方式中，可基于第一模型损失调节蛋白质语言模型的参数，并基于第二模型损失调节结构预测模型和蛋白质语言模型二者的参数，从而获得训练后的蛋白质语言模型和训练后的结构预测模型。
在一种可能的实现方式中，可基于以上训练获得的蛋白质语言模型和结构预测模型对未知结构的蛋白质序列进行空间结构的预测。可将蛋白质序列输入蛋白质语言模型，获得残基对注意力信息和蛋白质表示信息，并对蛋白质表示信息进行线性变换，获得序列表示信息。
在一种可能的实现方式中，可对蛋白质序列进行左侧线性变换和右侧线性变换，并求解变换获得的张量的外积，获得外积矩阵，并与残基对注意力信息线性变换后获得的结果进行对应元素的求和，获得残基对表示信息。
在一种可能的实现方式中，可将初始化的蛋白质骨架信息、残基对表示信息和序列表示信息输入结构预测模型，并进行如上所述的8次迭代，可获得蛋白质序列的三维结构信息。
图3A、图3B和图3C示出根据本公开的实施例的蛋白质结构预测方法的应用示意图，如图3A所示，示出了通过AlphaFold2模型基于蛋白质同源序列预测多个(例如，80个)单序列的蛋白质序列的三维结构信息的TM分数(第一列)，通过AlphaFold2模型预测单序列的蛋白质三维结构信息的TM分数(第二列)以及通过本公开的蛋白质结构预测方法预测单序列的蛋白质三维结构信息的TM分数(第三列)，AlphaFold2模型预测单序列的蛋白质三维结构信息的TM分数较低，需要使用蛋白质同源序列才可获得较高的TM分数，而本公开的蛋白质结构预测方法可在预测单序列的蛋白质三维结构信息中获得较高的TM分数。
如图3B所示，为上述三种方式的推断蛋白质序列所需的时间，本公开的蛋白质结构预测方法对于三维结构信息的推断时间小于AlphaFold2模型的推断时间，也小于利用AlphaFold2模型基于蛋白质同源序列进行推断的时间，因此本公开的蛋白质结构预测方法提升了预测蛋白质序列的三维结构信息的效率。
如图3C所示，图3C的左上角为样本蛋白质序列，该蛋白质序列为单序列的蛋白质序列的三维结构，图3C的右上角为利用AlphaFold2模型基于蛋白质同源序列预测的三维结构，该预测的三维结构的TM分数为0.98，图3C的左下角为本公开的蛋白质结构预测方法预测的三维结构，该预测的三维结构的TM分数为0.93，图3C的右下角为AlphaFold2模型预测的单序列的蛋白质序列三维结构，该预测的三维结构的TM分数为0.32。综上所述，本公开的蛋白质结构预测方法可在较少的推断时间中获得较高的TM分数，即，以较高的效率获得准确的蛋白质的三维结构。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了蛋白质三维结构预测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种蛋白质三维结构预测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图4示出根据本公开实施例的蛋白质三维结构预测装置的框图，如图4所示，所述装置包括：蛋白质语言模型推断模块11，用于将待处理蛋白质序列输入蛋白质语言模型，获得蛋白质表示信息及残基对注意力信息；外积矩阵获得模块12，用于对所述待处理蛋白质序列进行编码处理，获得所述待处理蛋白质序列的外积矩阵；残基对表示信息获得模块13，用于根据所述残基对注意力信息以及所述外积矩阵，获得残基对表示信息；结构信息确定模块14，用于根据所述蛋白质表示信息、所述残基对表示信息、初始化的蛋白质骨架信息，以及结构预测模型，确定所述待处理蛋白质序列的三维结构信息。
在一种可能的实现方式中，所述外积矩阵获得模块进一步用于：对所述蛋白质序列分别进行左侧线性变换和右侧线性变换，分别获得左侧变换张量信息和右侧变换张量信息；确定所述左侧变换张量信息和所述右侧变换张量信息的外积，获得所述待处理蛋白质序列的外积矩阵。
在一种可能的实现方式中，所述残基对表示信息获得模块进一步用于：将所述残基对注意力信息进行线性变换，获得注意力张量信息；将所述注意力张量信息与所述外积矩阵进行求和，获得所述残基对表示信息。
在一种可能的实现方式中，所述结构信息确定模块进一步用于：将所述蛋白质表示信息进行线性变换，获得序列表示信息；将所述序列表示信息、所述残基对表示信息和所述初始化的蛋白质骨架信息输入所述结构预测模型，获取第一个迭代周期的三维结构信息、第一个迭代周期的序列表示信息以及第一个迭代周期的蛋白质骨架信息；将所述残基对表示信息、前一个迭代周期的蛋白质骨架信息以及前一个迭代周期的序列表示信息输入所述结构预测模型，获得当前迭代周期的三维结构信息、当前迭代周期的序列表示信息以及当前迭代周期的蛋白质骨架信息；在迭代次数满足预设条件的情况下，将当前迭代周期的三维结构信息确定为所述待处理蛋白质序列的三维结构信息。
在一种可能的实现方式中，所述装置还包括：训练模块，用于将第一样本蛋白质序列的多个位点的残基进行随机遮蔽，获得遮蔽后的第二样本蛋白质序列；将所述第二样本蛋白质序列输入所述蛋白质语言模型，获得样本蛋白质表示信息及样本残基对注意力信息；获得所述第一样本蛋白质序列的外积矩阵，并根据所述外积矩阵及所述样本残基对注意力信息，获得样本残基对表示信息；根据所述样本残基对表示信息、样本蛋白质表示信息、初始化的蛋白质骨架信息以及所述结构预测模型，获得第一样本蛋白质序列的预测三维结构信息、预测蛋白质骨架信息和预测序列表示信息；根据所述样本残基对表示信息和所述样本蛋白质表示信息，获得第一模型损失；根据所述预测三维结构信息，获得第二模型损失；根据所述第一模型损失和所述第二模型损失，训练所述蛋白质语言模型和所述结构预测模型。
在一种可能的实现方式中，所述训练模块进一步用于：根据所述样本残基对表示信息，确定残基对距离信息；根据所述样本蛋白质表示信息，确定被遮蔽的残基的预测类型信息；对所述样本蛋白质表示信息进行线性变换，获得样本序列表示信息；根据所述样本序列表示信息，确定残基置信度信息；根据所述残基对距离信息、所述预测类型信息、所述残基置信度信息和所述第一样本蛋白质序列的标注信息，确定所述第一模型损失。
在一种可能的实现方式中，所述训练模块进一步用于：根据所述第一模型损失调整所述蛋白质语言模型的模型参数，并根据所述第二模型损失调整所述结构预测模型及所述蛋白质语言模型的模型参数；在满足训练条件的情况下，获得训练后的蛋白质语言模型和训练后的结构预测模型。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的蛋白质三维结构预测方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的蛋白质三维结构预测方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图5，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边缘，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图6示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (8)

1.一种蛋白质三维结构预测方法，其特征在于，包括：
将待处理蛋白质序列输入蛋白质语言模型，获得蛋白质表示信息及残基对注意力信息；
对所述待处理蛋白质序列进行编码处理，获得所述待处理蛋白质序列的外积矩阵；
根据所述残基对注意力信息以及所述外积矩阵，获得残基对表示信息；
根据所述蛋白质表示信息、所述残基对表示信息、初始化的蛋白质骨架信息，以及结构预测模型，确定所述待处理蛋白质序列的三维结构信息；
所述对所述待处理蛋白质序列进行编码处理，获得所述待处理蛋白质序列的外积矩阵，包括：
对所述蛋白质序列分别进行左侧线性变换和右侧线性变换，分别获得左侧变换张量信息和右侧变换张量信息；
确定所述左侧变换张量信息和所述右侧变换张量信息的外积，获得所述待处理蛋白质序列的外积矩阵；
所述根据所述残基对注意力信息以及所述外积矩阵，获得残基对表示信息，包括：
将所述残基对注意力信息进行线性变换，获得注意力张量信息；
将所述注意力张量信息与所述外积矩阵进行求和，获得所述残基对表示信息。
2.根据权利要求1所述的方法，其特征在于，根据所述蛋白质表示信息、所述残基对表示信息、初始化的蛋白质骨架信息，以及结构预测模型，确定所述待处理蛋白质序列的三维结构信息，包括：
将所述蛋白质表示信息进行线性变换，获得序列表示信息；
将所述序列表示信息、所述残基对表示信息和所述初始化的蛋白质骨架信息输入所述结构预测模型，获取第一个迭代周期的三维结构信息、第一个迭代周期的序列表示信息以及第一个迭代周期的蛋白质骨架信息；
将所述残基对表示信息、前一个迭代周期的蛋白质骨架信息以及前一个迭代周期的序列表示信息输入所述结构预测模型，获得当前迭代周期的三维结构信息、当前迭代周期的序列表示信息以及当前迭代周期的蛋白质骨架信息；
在迭代次数满足预设条件的情况下，将当前迭代周期的三维结构信息确定为所述待处理蛋白质序列的三维结构信息。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将第一样本蛋白质序列的多个位点的残基进行随机遮蔽，获得遮蔽后的第二样本蛋白质序列；
将所述第二样本蛋白质序列输入所述蛋白质语言模型，获得样本蛋白质表示信息及样本残基对注意力信息；
获得所述第一样本蛋白质序列的外积矩阵，并根据所述外积矩阵及所述样本残基对注意力信息，获得样本残基对表示信息；
根据所述样本残基对表示信息、样本蛋白质表示信息、初始化的蛋白质骨架信息以及所述结构预测模型，获得第一样本蛋白质序列的预测三维结构信息、预测蛋白质骨架信息和预测序列表示信息；
根据所述样本残基对表示信息和所述样本蛋白质表示信息，获得第一模型损失；
根据所述预测三维结构信息，获得第二模型损失；
根据所述第一模型损失和所述第二模型损失，训练所述蛋白质语言模型和所述结构预测模型。
4.根据权利要求3所述的方法，其特征在于，根据所述样本残基对表示信息和所述样本蛋白质表示信息，获得第一模型损失，包括：
根据所述样本残基对表示信息，确定残基对距离信息；
根据所述样本蛋白质表示信息，确定被遮蔽的残基的预测类型信息；
对所述样本蛋白质表示信息进行线性变换，获得样本序列表示信息；
根据所述样本序列表示信息，确定残基置信度信息；
根据所述残基对距离信息、所述预测类型信息、所述残基置信度信息和所述第一样本蛋白质序列的标注信息，确定所述第一模型损失。
5.根据权利要求3所述的方法，其特征在于，根据所述第一模型损失和所述第二模型损失，训练所述蛋白质语言模型和所述结构预测模型，包括：
根据所述第一模型损失调整所述蛋白质语言模型的模型参数，并根据所述第二模型损失调整所述结构预测模型及所述蛋白质语言模型的模型参数；
在满足训练条件的情况下，获得训练后的蛋白质语言模型和训练后的结构预测模型。
6.一种蛋白质三维结构预测装置，其特征在于，包括：
蛋白质语言模型推断模块，用于将待处理蛋白质序列输入蛋白质语言模型，获得蛋白质表示信息及残基对注意力信息；
外积矩阵获得模块，用于对所述待处理蛋白质序列进行编码处理，获得所述待处理蛋白质序列的外积矩阵；
残基对表示信息获得模块，用于根据所述残基对注意力信息以及所述外积矩阵，获得残基对表示信息；
结构信息确定模块，用于根据所述蛋白质表示信息、所述残基对表示信息、初始化的蛋白质骨架信息，以及结构预测模型，确定所述待处理蛋白质序列的三维结构信息；
所述对所述待处理蛋白质序列进行编码处理，获得所述待处理蛋白质序列的外积矩阵，包括：
对所述蛋白质序列分别进行左侧线性变换和右侧线性变换，分别获得左侧变换张量信息和右侧变换张量信息；
确定所述左侧变换张量信息和所述右侧变换张量信息的外积，获得所述待处理蛋白质序列的外积矩阵；
所述根据所述残基对注意力信息以及所述外积矩阵，获得残基对表示信息，包括：
将所述残基对注意力信息进行线性变换，获得注意力张量信息；
将所述注意力张量信息与所述外积矩阵进行求和，获得所述残基对表示信息。
7.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至5中任意一项所述的方法。
8.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至5中任意一项所述的方法。
CN202210253433.2A 2022-03-15 2022-03-15 蛋白质三维结构预测方法及装置、电子设备和存储介质 Active CN114613427B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210253433.2A CN114613427B (zh) 2022-03-15 2022-03-15 蛋白质三维结构预测方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210253433.2A CN114613427B (zh) 2022-03-15 2022-03-15 蛋白质三维结构预测方法及装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN114613427A CN114613427A (zh) 2022-06-10
CN114613427B true CN114613427B (zh) 2023-01-31

Family

ID=81862176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210253433.2A Active CN114613427B (zh) 2022-03-15 2022-03-15 蛋白质三维结构预测方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114613427B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115116559B (zh) * 2022-06-21 2023-04-18 北京百度网讯科技有限公司 氨基酸中原子坐标的确定及训练方法、装置、设备和介质
CN115273968B (zh) * 2022-06-30 2023-05-12 杭州力文所生物科技有限公司 一种蛋白质预测三维结构的质量评估方法、装置
CN114927165B (zh) * 2022-07-20 2022-12-02 深圳大学 泛素化位点的识别方法、装置、系统和存储介质
CN115240044B (zh) * 2022-07-22 2023-06-06 水木未来(北京)科技有限公司 蛋白质电子密度图处理方法、装置、电子设备和存储介质
CN115458039B (zh) * 2022-08-08 2023-10-10 北京分子之心科技有限公司 基于机器学习的单序列蛋白结构预测的方法和系统
CN116206675B (zh) * 2022-09-05 2023-09-15 北京分子之心科技有限公司 用于预测蛋白质复合物结构的方法、设备、介质及程序产品
CN115565607B (zh) * 2022-10-20 2024-02-23 抖音视界有限公司 确定蛋白质信息的方法、装置、可读介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549794A (zh) * 2018-03-29 2018-09-18 中国林业科学研究院资源昆虫研究所 一种蛋白质二级结构预测方法
CN110706738A (zh) * 2019-10-30 2020-01-17 腾讯科技（深圳）有限公司 蛋白质的结构信息预测方法、装置、设备及存储介质
CN111627494A (zh) * 2020-05-29 2020-09-04 北京晶派科技有限公司 基于多维特征的蛋白质性质预测方法、装置和计算设备
CN112233723A (zh) * 2020-10-26 2021-01-15 上海天壤智能科技有限公司 基于深度学习的蛋白质结构预测方法及系统
CN113096722A (zh) * 2021-03-17 2021-07-09 浙江工业大学 基于内积自注意力神经网络的蛋白质磷酸化位点预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210304847A1 (en) * 2018-09-21 2021-09-30 Deepmind Technologies Limited Machine learning for determining protein structures
US11581060B2 (en) * 2019-01-04 2023-02-14 President And Fellows Of Harvard College Protein structures from amino-acid sequences using neural networks
US12100477B2 (en) * 2019-12-02 2024-09-24 Deepmind Technologies Limited Protein structure prediction from amino acid sequences using self-attention neural networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108549794A (zh) * 2018-03-29 2018-09-18 中国林业科学研究院资源昆虫研究所 一种蛋白质二级结构预测方法
CN110706738A (zh) * 2019-10-30 2020-01-17 腾讯科技（深圳）有限公司 蛋白质的结构信息预测方法、装置、设备及存储介质
CN111627494A (zh) * 2020-05-29 2020-09-04 北京晶派科技有限公司 基于多维特征的蛋白质性质预测方法、装置和计算设备
CN112233723A (zh) * 2020-10-26 2021-01-15 上海天壤智能科技有限公司 基于深度学习的蛋白质结构预测方法及系统
CN113096722A (zh) * 2021-03-17 2021-07-09 浙江工业大学 基于内积自注意力神经网络的蛋白质磷酸化位点预测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于多目标优化的蛋白质三维结构预测;王雨林等;《江苏科技大学学报(自然科学版) 》;20210815;全文 *
基于深度学习的蛋白质建模与设计;夏彬彬等;《生物工程学报 》;20211115;全文 *

Also Published As

Publication number Publication date
CN114613427A (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
CN114613427B (zh) 蛋白质三维结构预测方法及装置、电子设备和存储介质
CN113538517B (zh) 目标追踪方法及装置、电子设备和存储介质
CN111524521B (zh) 声纹提取模型训练方法和声纹识别方法、及其装置和介质
CN111612070B (zh) 基于场景图的图像描述生成方法及装置
CN110909815B (zh) 神经网络训练、图像处理方法、装置及电子设备
CN111931844B (zh) 图像处理方法及装置、电子设备和存储介质
CN111581488A (zh) 一种数据处理方法及装置、电子设备和存储介质
CN112101238A (zh) 聚类方法及装置、电子设备和存储介质
CN109858614B (zh) 神经网络训练方法及装置、电子设备和存储介质
CN110781934A (zh) 监督学习、标签预测方法及装置、电子设备和存储介质
CN111242303B (zh) 网络训练方法及装置、图像处理方法及装置
WO2022057388A1 (zh) 抗体的预测方法及装置、电子设备、存储介质和程序
CN110659690B (zh) 神经网络的构建方法及装置、电子设备和存储介质
JP2022533065A (ja) 文字認識方法及び装置、電子機器並びに記憶媒体
CN112001364A (zh) 图像识别方法及装置、电子设备和存储介质
CN113298091A (zh) 图像处理方法及装置、电子设备和存储介质
CN112036195A (zh) 机器翻译方法、装置及存储介质
CN113781518B (zh) 神经网络结构搜索方法及装置、电子设备和存储介质
CN111488964A (zh) 图像处理方法及装置、神经网络训练方法及装置
CN109460458B (zh) 查询改写意图的预测方法及装置
CN115035947B (zh) 蛋白质结构建模方法及装置、电子设备和存储介质
WO2023155393A1 (zh) 特征点匹配方法、装置、电子设备、存储介质和计算机程序产品
CN115422932A (zh) 一种词向量训练方法及装置、电子设备和存储介质
CN113537350B (zh) 图像处理方法及装置、电子设备和存储介质
CN114842404A (zh) 时序动作提名的生成方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant