CN115512763B - 多肽序列的生成方法、多肽生成模型的训练方法和装置 - Google Patents

多肽序列的生成方法、多肽生成模型的训练方法和装置 Download PDF

Info

Publication number
CN115512763B
CN115512763B CN202211085478.XA CN202211085478A CN115512763B CN 115512763 B CN115512763 B CN 115512763B CN 202211085478 A CN202211085478 A CN 202211085478A CN 115512763 B CN115512763 B CN 115512763B
Authority
CN
China
Prior art keywords
characteristic information
protein
polypeptide sequence
sequence
layer
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
CN202211085478.XA
Other languages
English (en)
Other versions
CN115512763A (zh
Inventor
陈致远
薛洋
刘荔行
林大勇
方晓敏
王凡
何径舟
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202211085478.XA priority Critical patent/CN115512763B/zh
Publication of CN115512763A publication Critical patent/CN115512763A/zh
Application granted granted Critical
Publication of CN115512763B publication Critical patent/CN115512763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/30Drug targeting using structural data; Docking or binding prediction
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16BBIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biotechnology (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Medicinal Chemistry (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Software Systems (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本公开提供了一种多肽序列的生成方法、多肽生成模型的训练方法和装置,涉及人工智能技术领域,具体涉及生物计算技术领域。具体实现方案为:在对指定蛋白质进行多肽药物设计的过程中,获取与该指定蛋白质对应的参考多肽序列,并确定指定蛋白质的蛋白质结合位点的空间结构特征信息,以及将参考多肽序列和空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列。由此,提出了一种结合指定蛋白质的蛋白质结合位点的空间结构特征信息来生成多肽序列的方式。

Description

多肽序列的生成方法、多肽生成模型的训练方法和装置
技术领域
本公开涉及人工智能技术领域,具体涉及自然语言处理、生物计算技术领域,尤其涉及一种多肽序列的生成方法、多肽生成模型的训练方法和装置。
背景技术
多肽药物具有活性和安全性高、特异性强、确定性好、成药性好等优点,在临床上应用广泛、前景广阔。多肽药物设计其目的在于能可控的,大量产生满足特定性质的多肽序列。相关技术中,多肽药物设计通常是由专家对其进行人工设计并进行试验,然而这种方式严重依赖于专家知识,多肽药物设计周期长等问题。
发明内容
本公开提供了一种多肽序列的生成方法、多肽生成模型的训练方法、装置和电子设备。
根据本公开的第一方面,提供了一种多肽序列的生成方法,所述方法包括:获取与指定蛋白质对应的参考多肽序列;确定所述指定蛋白质的蛋白质结合位点的空间结构特征信息;将参考多肽序列和所述空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列。
根据本公开的第二方面,提供了一种多肽生成模型的训练方法,所述方法包括:确定样本蛋白质的蛋白质结合位点的空间结构特征信息;获取第一样本多肽序列以及对应的第二样本多肽序列,其中,所述第二样本多肽序列是基于所述样本蛋白质和所述第一样本多肽序列生成的;将所述第一样本多肽序列和所述空间结构特征信息输入到多肽生成模型中,以得到预测多肽序列;基于所述预测多肽序列和所述第二样本多肽序列对所述多肽生成模型进行训练。
根据本公开的第三方面,提供了一种多肽序列的生成装置,包括:获取模块,用于获取与指定蛋白质对应的参考多肽序列;确定模块,用于确定所述指定蛋白质的蛋白质结合位点的空间结构特征信息;多肽序列生成模块,用于将参考多肽序列和所述空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列。
根据本公开的第四方面,提供了一种多肽生成模型的训练装置,所述装置包括:确定模块,用于确定样本蛋白质的蛋白质结合位点的空间结构特征信息;获取模块,用于获取第一样本多肽序列以及对应的第二样本多肽序列,其中,所述第二样本多肽序列是基于所述样本蛋白质和所述第一样本多肽序列生成的;多肽序列生成模块,用于将所述第一样本多肽序列和所述空间结构特征信息输入到多肽生成模型中,以得到预测多肽序列;训练模块,用于基于所述预测多肽序列和所述第二样本多肽序列对所述多肽生成模型进行训练。
根据本公开的第五方面,提供了一种电子设备,其中,电子设备包括处理器和存储器;所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如上述第一方面提供的多肽序列的生成方法,或者,上述第二方面提供的多肽生成模型的训练方法。
根据本公开的第六方面,提供了一种计算机可读存储介质,其上存储有计算机程序,包括该程序被处理器执行时实现如上述第一方面提供的多肽序列的生成方法,或者,上述第二方面提供的多肽生成模型的训练方法。
根据本公开的第七方面,提供了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时实现如上述第一方面提供的多肽序列的生成方法,或者,上述第二方面提供的多肽生成模型的训练方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是根据本公开第三实施例的示意图;
图4是根据本公开第四实施例的示意图;
图5是根据本公开第五实施例的示意图;
图6是根据本公开第六实施例的示意图;
图7是根据本公开第七实施例的示意图;
图8是根据本公开第八实施例的示意图;
图9是根据本公开第九实施例的示意图;
图10是根据本公开第十实施例的示意图;
图11是根据本公开第十一实施例的示意图;
图12为本公开实施例提供的一种电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
近年来随着人工智能(Artificial Intelligence,AI)领域的蓬勃发展,涌现了一些基于AI技术的优化方式:通过多肽生成模型自动产生多肽序列,以加速多肽药物的研发。然而,相关技术中所使用的多肽生成模型通常是基于输入的参考多肽序列而生成另一种新的多肽序列。然而,这种方式不适合结合蛋白质的蛋白质结合位点进行多肽序列设计的场景中,在这种场景中获取与蛋白质结合位点结合效果好的多肽序列通常需要专家进行人工设计,并经过多次试验验证,获取与蛋白质结合位点结合效果好的多肽序列的成本较高,并且时间较长,影响多肽药物的研发速度。
为此,本公开实施例提供的多肽序列的生成方法,在对指定蛋白质进行多肽药物设计的过程中,获取与该指定蛋白质对应的参考多肽序列,并确定指定蛋白质的蛋白质结合位点的空间结构特征信息,以及将参考多肽序列和空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列。由此,提出了一种结合指定蛋白质的蛋白质结合位点的空间结构特征信息来生成多肽序列的方式。
下面结合附图对本公开实施例提供的多肽序列的生成方法、装置和电子设备进行描述。
图1是根据本公开第一实施例的示意图。
如图1所示,该多肽序列的生成方法包括以下步骤:
步骤101,获取与指定蛋白质对应的参考多肽序列。
其中,需要说明的是,本公开实施例提供的多肽序列的生成方法的执行主体为多肽序列的生成装置,该多肽序列的生成装置可以由软件和/或硬件的方式实现,该多肽序列的生成装置可以为电子设备,或者,可以配置在电子设备中。
其中,该电子设备可以包括但不限于终端设备、服务器等,该实施例对电子设备不作具体限。
其中,上述指定蛋白质是指在多肽序列的生成装置中预先指定的任意一种需要进行多肽药物设计的蛋白质。
在一些示例性的实施方式中,在用户有多肽药物设计的需求的情况下,可向多肽序列的生成装置发送设计请求,对应地,多肽序列的生成装置可基于该设计请求提供多个候选蛋白质,对应地,可获取从多个候选蛋白质所选择出的目标蛋白质,并将所选择出的目标蛋白质作为本示例中的指定蛋白质。
在另一些示例性的实施方式中,在用户有多肽药物设计需求的情况下,可向多肽序列的生成装置发送多肽药物设计请求,其中,该多肽药物设计请求中可以包括蛋白质以及对应的多肽序列,对应地,可将多肽药物设计请求中的蛋白质作为本示例中的指定蛋白质,并可将多肽药物设计请求中的多肽序列作为与该指定蛋白质对应的参考多肽序列。
在一些示例性的实施方式中,可根据预先保存的蛋白质和参考多肽序列两者之间的对应关系,获取该指定蛋白质所对应的参考多肽序列。
其中,上述参考多肽序列是在对该指定蛋白质进行多肽药物设计时所所需要基于的多肽序列。
步骤102,确定指定蛋白质的蛋白质结合位点的空间结构特征信息。
其中,可以理解的是,确定指定蛋白质的蛋白质结合位点的空间结构特征信息的方式有多种,作为一种示例,可根据预先保存的蛋白质和蛋白质结合位点的空间结构特征信息两者之间的对应关系,获取该指定蛋白质的蛋白质结合位点的空间结构特征信息。作为另一种示例,可确定出该指定蛋白质的蛋白质结合位点,然后,对该蛋白质结合位点进行空间结构特征分析,以得到蛋白质结合位点的空间结构特征信息。
其中,蛋白质结合位点是指定蛋白质中可与其他药物(例如多肽序列)相结合的位置,俗称为“蛋白质口袋”。
步骤103,将参考多肽序列和空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列。
其中,目标多肽序列是结合蛋白质结合位点的空间结构特征信息对参考多肽序列进行优化而得到的多肽序列。
其中,需要说明的是,本示例中的目标多肽序列与指定蛋白质的蛋白质结合位点相结合的效果优于参考多肽序列与指定蛋白质的蛋白质结合位点相结合的效果。
可以理解的是,在将参考多肽序列和空间结构特征信息输入到预先训练的多肽生成模型中后,对应的多肽生成模型可结合参考多肽序列的编码特征信息和蛋白质结合位点的空间结构特征信息进行信息交互,并对信息交互结果进行解码,以得到可与蛋白质结合位点结合效果好的目标多肽序列。
在一些示例性的实施方式中,参考多肽序列和目标多肽序列的长度可以是相同,也是可以不相同的,其中,参考多肽序列和目标多肽序列中氨基酸的排序是不同的。
例如,参考多肽序列可以为IPRPYVWDESFR,对应的,指定蛋白质的氨基酸序列为GWEIDESPEPYVWDESFRDESEIDESPEPYV,可基于该指定蛋白质的氨基酸序列,确定出该指定蛋白质的蛋白质结合位点的空间结构特征信息,对应地,在将该指定蛋白质的蛋白质结合位点的空间结构特征信息和参考多肽序列输入到预先训练的多肽生成模型后,该多肽生成模型所输出的目标多肽序列可以为EPIPYDVWESRF,其中,通过将参考多肽序列和目标多肽序列进行比较可知,在该示例中参考多肽序列和目标多肽序列的氨基酸长度是相同的,并且参考多肽序列和目标多肽序列中的氨基酸的种类是相同的,但是氨基酸的排序是不同的。
其中,需要说明的是,上述例子中的多肽序列以及氨基酸序列中的各个字母均表示对应氨基酸的缩写,例如,G是甘氨酸(Gly)的缩写。
基于上述描述,可以看出,在对指定蛋白质进行多肽药物设计的过程中,将指定蛋白质的蛋白质结合位点的空间结构特征信息和参考多肽序列输入到预先训练的多肽生成模型中,以通过该多肽生成模型快速生成与指定蛋白质的蛋白质结合位点结合效果好的目标多肽序列。由此,相对于现有的通过人工方式设计多肽序列,并对所设计的多肽序列进行验证方式来说,本示例实施例可提高获取与指定蛋白质的蛋白质结合位点结合效果好的多肽序列的效率,有利于提高多肽药物的研发效率。
本公开实施例提供的多肽序列的生成方法,在对指定蛋白质进行多肽药物设计的过程中,获取与该指定蛋白质对应的参考多肽序列,并确定指定蛋白质的蛋白质结合位点的空间结构特征信息,以及将参考多肽序列和空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列。由此,提出了一种结合指定蛋白质的蛋白质结合位点的空间结构特征信息来生成多肽序列的方式。
本公开的一个实施例中,为了可以清楚理解是如何确定出指定蛋白质的蛋白质结合位点的空间结构特征信息的,本实施例还提供了另一种多肽序列的生成方法。下面结合图2对另一种多肽序列的生成方法进行示例性描述。
图2是根据本公开第二实施例的示意图。
如图2所示,该多肽序列的生成方法包括以下步骤:
步骤201,获取与指定蛋白质对应的参考多肽序列。
步骤202,获取指定蛋白质的氨基酸序列。
其中,需要说明的是,关于步骤201和步骤202的具体实现方式,可参见本公开实施例的相关描述,此处不再赘述。
步骤203,根据氨基酸序列,确定蛋白质结合位点的空间结构特征信息。
其中,可以理解的是,在不同应用场景中,根据氨基酸序列,确定蛋白质结合位点的空间结构特征信息的实现方式不同,示例性说明如下:
作为一种示例,可对氨基酸序列进行蛋白质结合位点分析,以确定出蛋白质结合位点,然后,对蛋白质结合位点进行空间结构特征提取,以得到指定蛋白质的蛋白质结合位点的空间结构特征信息。
作为另一种示例,可将氨基酸序列输入到预先训练的蛋白质结构预测模型中,以通过蛋白质结构预测模型得到蛋白质结合位点的空间结构特征信息。由此,通过蛋白质结构预测模型快速且准确地确定出指定蛋白质的蛋白质结合位点的空间结构特征信息。
作为另一种示例,为了进一步提高所确定出的指定蛋白质的蛋白质结合位点的空间结构特征信息,可获取氨基酸序列对应的分类标记序列,其中,分类标记序列中的分类标记与氨基酸序列中的氨基酸一一对应,分类标记序列中的分类标记用于指示氨基酸序列中与分类标记对应的氨基酸是否在蛋白质结合位点内;将氨基酸序列和分类标记序列输入到预先训练的蛋白质结构预测模型中,以通过蛋白质结构预测模型得到蛋白质结合位点的空间结构特征信息。由此,使得蛋白质结构预测模型可以更加准确地表示出蛋白质结合位点的空间结构特征信息。
对应地,在将氨基酸序列和分类标记序列输入到预先训练的蛋白质结构预测模型后,预先训练的蛋白质结构预测模型可基于分类标记序列中的分类标签,从蛋白质的完整氨基酸序列中确定出位于蛋白质结合位点内的目标氨基酸序列,并基于目标氨基酸序列和蛋白质结合位点来确定出蛋白质结合位点的空间结构特征信息。由此,能够很好的表示出蛋白质结合位点的空间结构特征信息。
例如,指定蛋白质的氨基酸序列为GWEIDESV。如果该氨基酸序列中的氨基酸W、D和E位于该指定蛋白质的蛋白质结合位点内,则确定对应的分类标记序列可以为0100100。其中,分类标记序列中第二个位置上的1表示氨基酸序列中的氨基酸W位于该指定蛋白质的蛋白质结合位点内;分类标记序列中第五个位置上的1表示氨基酸序列中的氨基酸D位于该指定蛋白质的蛋白质结合位点内;分类标记序列中第六个位置上的1表示氨基酸序列中的氨基酸E位于该指定蛋白质的蛋白质结合位点内。可以理解的是,分类标记序列中相应位置上的0表示氨基酸序列中相同位置上的氨基酸不在该指定蛋白质的蛋白质结合位点内。
步骤204,将参考多肽序列和空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列。
在本示例中,结合指定蛋白质的氨基酸序列,准确确定出了指定蛋白质的蛋白质结合位点的空间结构特征信息,继而可使得多肽生成模型可准确确定出目标多肽序列。
在本公开的一个实施例中,多肽生成模型可以包括依次连接的编码层、相互作用层和解码层。为了可以清楚地理解本示例中的多肽生成模型是如何生成目标多肽序列的。为了可以清楚该过程,下面结合图3对多肽序列的生成方法进行示例性描述。
图3是根据本公开第三实施例的示意图。
如图3所示,该多肽序列的生成方法包括以下步骤:
步骤301,获取与指定蛋白质对应的参考多肽序列。
步骤302,确定指定蛋白质的蛋白质结合位点的空间结构特征信息。
其中,需要说明的是,关于步骤301和步骤302的具体实现方式,可参见上述实施例中的相关描述,此处不再赘述。
步骤303,通过多肽生成模型的编码层对参考多肽序列进行编码,以得到参考多肽序列的编码特征信息。
也就是说,将参考多肽序列输入到多肽生成模型的编码层,通过该编码层对参考多肽序列进行编码,以得到参考多肽序列的编码特征信息。
在一些示例性的实施方式中,本示例中的多肽生成模型还可以包括向量化层,对应地,可将参考多肽序列输入到多肽生成模型的向量化层,对应地,向量化层可对参考多肽序列中的各个氨基酸进行向量化,以得到参考多肽序列对应的向量序列,然后,多肽生成模型中的编码层对向量序列进行编码,以得到该参考多肽序列的编码特征信息。
步骤304,通过多肽生成模型的相互作用层对编码特征信息和空间结构特征信息进行融合,以得到融合特征信息。
也就是说,可将编码特征信息和空间结构特征信息输入到多肽生成模型的相互作用层,对应地,该相互作用层对编码特征信息和空间结构特征信息进行信息交互,以得到融合特征信息。
其中,本示例实施例中的融合特征信息融合了编码特征信息和空间结构特征信息。
在一些示例性的实施方式中,为了进一步可准确获取融合特征,可基于相互作用层中的第一注意力子层,确定编码特征信息对应的第一注意力特征信息;基于相互作用层中的第二注意力子层,确定空间结构特征信息对应的第二注意力特征信息;基于相互作用层中的融合子层,对第一注意力特征信息和第二注意力特征信息进行特征融合,以得到融合特征信息。
在本公开的一个实施例中,为了可以准确获取编码特征信息对应的第一注意力特征信息,可对编码特征信息进行注意力权重计算,以得到第一注意力权重信息;根据第一注意力权重信息对编码特征信息进行加权处理,以得到第一注意力特征信息。
在本公开的另一个实施例中,为了可以准确空间结构特征信息对应的第二注意力特征信息,可对空间结构特征信息进行注意力权重计算,以得到第二注意力权重信息;根据第二注意力权重信息对空间结构特征信息进行加权处理,以得到第二注意力特征信息。
在本公开的一个实施例中,为了可以更好地融合空间结构特征信息和编码特征信息,以得到更加好的融合特征信息,本公开示例实施例中的相互作用层除了包括第一注意力子层、第二注意力子层和融合子层之外,还可以包括交互注意力子层,对应地,可通过交互注意力子层对编码特征信息和空间结构特征信息进行交互注意力计算,以得到用于第一注意力子层的第一注意力权重信息和用于第二注意力子层的第二注意力权重信息;通过第一注意力子层,基于第一注意力权重信息对编码特征信息进行加权处理,以得到第一注意力特征信息;以及通过第二注意力子层,基于第二注意力权重信息对空间结构特征信息进行加权处理,以得到第二注意力特征信息,然后,基于相互作用层中的融合子层,对第一注意力特征信息和第二注意力特征信息进行特征融合,以得到融合特征信息。由此,可以进一步准确得到融合了参考多肽序列的编码特征信息和蛋白质结合位点的空间结构特征信息的融合特征信息。
步骤305,通过多肽生成模型的解码层对融合特征信息进行解码,以得到目标多肽序列。
也就是说,将融合特征信息输入到多肽生成模型的解码层,对应地,解码层中的基于序列的解码器对该融合特征信息进行解码,以得到目标多肽序列。
在本示例实施例中,通过多肽生成模型的编码层对参考多肽序列进行编码,并通过多肽生成模型的相互作用层对参考多肽序列的编码特征信息和指定蛋白质的蛋白质结合位点的空间结构特征信息进行信息融合,以得到融合特征信息,并通过多肽生成模型的解码层对融合特征信息进行解码,可以准确得到与指定蛋白质的蛋白质结合位点结合效果好的目标多肽序列。
为了可以清楚理解本公开提出的多肽序列的生成方法,下面结合图4对该多肽序列的生成方法进行示例性描述。
图4是根据本公开第四实施例的示意图。
如图4所示,该多肽序列的生成方法包括以下步骤:
步骤401,将指定蛋白质的氨基酸序列输入到预先训练的蛋白质结构预测模型中,以通过蛋白质结构预测模型得到蛋白质结合位点的空间结构特征信息。
步骤402,通过多肽生成模型的编码层对参考多肽序列进行编码,以得到参考多肽序列的编码特征信息。
也就是说,将参考多肽序列输入到多肽生成模型的编码层,以通过该编码层进行编码,以得到参考多肽序列的编码特征信息。
步骤403,通过多肽生成模型的相互作用层对编码特征信息和空间结构特征信息进行融合,以得到融合特征信息。
在一些示例的实施方式中,将编码特征信息和空间结构特征信息输入到多肽生成模型的相互作用层,对应的,相互作用层对编码特征信息和空间结构特征信息进行信息相互交互,并输出融合特征信息。
其中,需要说明的是,融合特征信息中融合了参考多肽序列的编码特征信息和蛋白质结合位点的空间结构特征信息。
在一些示例性的实施方式中,本示例中的相互作用层可以为自注意力层。对应地,自注意力层可对编码特征信息和空间结构特征信息进行自注意力计算,以得到融合特征信息。
步骤404,通过多肽生成模型的解码层对融合特征信息进行解码,以得到目标多肽序列。
也就是说,将融合特征信息输入到多肽生成模型的解码层,对应地,解码层中基于序列的解码器对该融合特征信息进行解码,以得到目标多肽序列。
在本示例实施例中,在对指定蛋白质进行多肽药物设计的过程中,通过蛋白质结合预测模型来确定该指定蛋白质的蛋白质结合位点的空间结构特征信息,并将蛋白质结合位点的空间结构特征信息输入到多肽生成模型,使得多肽生成模型可结合蛋白质结合位点的空间结构特征信息来生成多肽序列,方便地生成了多肽序列,方便后续基于所生成的多肽序列进行多肽药物地研发,有利于提高需要蛋白质结合位点的空间结构特征信息进行多肽药物设计的场景中药物研制的研发效率。
在本公开的一个实施例中,为了使得多肽生成模型可准确确定出与指定蛋白质的蛋白质结合位点结合效果好的目标多肽序列,本实施例还提出了一种多肽生成模型的训练方法。下面结合图5对多肽生成模型的训练方法进行示例性描述。
图5是根据本公开第五实施例的示意图。
如图5所示,该多肽生成模型的训练方法可以包括:
步骤501,确定样本蛋白质的蛋白质结合位点的空间结构特征信息。
其中,需要说明的是,本公开实施例提供的多肽生成模型的训练方法的执行主体可以为多肽生成模型的训练装置,该多肽生成模型的训练装置可以由软件和/或硬件的方式实现,该多肽生成模型的训练装置可以为电子设备,或者,可以配置在电子设备中。
其中,该电子设备可以包括但不限于终端设备、服务器等,该实施例对电子设备不作具体限。
其中,可以理解的是,确定样本蛋白质的蛋白质结合位点的空间结构特征信息的方式有多种,作为一种示例,可根据预先保存的蛋白质和蛋白质结合位点的空间结构特征信息两者之间的对应关系,获取该样本蛋白质的蛋白质结合位点的空间结构特征信息。作为另一种示例,可确定出该样本蛋白质的蛋白质结合位点,然后,对该蛋白质结合位点进行空间结构特征分析,以得到蛋白质结合位点的空间结构特征信息。
其中,蛋白质结合位点是样本蛋白质中可与其他药物(例如多肽序列)相结合的位置,俗称为“蛋白质口袋”。
步骤502,获取第一样本多肽序列以及对应的第二样本多肽序列,其中,第二样本多肽序列是基于样本蛋白质和第一样本多肽序列生成的。
步骤503,将第一样本多肽序列和空间结构特征信息输入到多肽生成模型中,以得到预测多肽序列。
步骤504,基于预测多肽序列和第二样本多肽序列对多肽生成模型进行训练。
在本公开的一个实施例中,可确定预测多肽序列和第二样本多肽序列之间的差异信息,并基于差异信息对多肽生成模型的模型参数进行调整,并对模型参数调整后的多肽生成模型进行训练,直至基于多肽生成模型输出的多肽序列与第二样本多肽序列之间的差异信息满足预设条件,以得到训练好的多肽生成模型。
其中,预设条件即为模型训练结束的条件。预设条件可以根据实际需求进行相应的配置。例如,差异信息满足预设条件可以是差异信息小于预设值,也可以是差异信息的变化趋近于平稳,即相邻两次或多次训练对应的差异信息的差值小于设定值,也就是差异信息基本不再变化。
本公开实施例提供的多肽生成模型的训练方法,在对多肽生成模型进行训练的过程中,结合样本蛋白质的蛋白质结合位点的空间结构特征信息来对多肽模型进行序列。由此,能够利用蛋白质结合位点的空间结构特征信息来指导多肽生成模型的训练,可提高所训练出的多肽生成模型的准确性。
本公开的一个实施例中,为了可以清楚理解是如何确定出样本蛋白质的蛋白质结合位点的空间结构特征信息的,本实施例还提供了另一种多肽生成模型的训练方法。下面结合图6对另一种多肽生成模型的训练方法进行示例性描述。
图6是根据本公开第六实施例的示意图。
如图6所示,该多肽生成模型的训练方法可以包括:
步骤601,获取样本蛋白质的氨基酸序列。
步骤602,根据氨基酸序列,确定蛋白质结合位点的空间结构特征信息。
其中,可以理解的是,在不同应用场景中,根据氨基酸序列,确定蛋白质结合位点的空间结构特征信息的实现方式不同,示例性说明如下:
作为一种示例,将氨基酸序列输入到预先训练的蛋白质结构预测模型中,以通过蛋白质结构预测模型得到蛋白质结合位点的空间结构特征信息。由此,通过蛋白质结构预测模型快速且准确地确定出样本蛋白质的蛋白质结合位点的空间结构特征信息。
作为另一种示例,获取氨基酸序列对应的分类标记序列,其中,分类标记序列中的分类标记与氨基酸序列中的氨基酸一一对应,分类标记序列中的分类标记用于指示氨基酸序列中与分类标记对应的氨基酸是否在蛋白质结合位点内;将氨基酸序列和分类标记序列输入到预先训练的蛋白质结构预测模型中,以通过蛋白质结构预测模型得到蛋白质结合位点的空间结构特征信息。由此,使得蛋白质结构预测模型可以更加准确地表示出样本蛋白质的蛋白质结合位点的空间结构特征信息。
步骤603,获取第一样本多肽序列以及对应的第二样本多肽序列,其中,第二样本多肽序列是基于样本蛋白质和第一样本多肽序列生成的。
步骤604,将第一样本多肽序列和空间结构特征信息输入到多肽生成模型中,以得到预测多肽序列。
步骤605,基于预测多肽序列和第二样本多肽序列对多肽生成模型进行训练。
在本示例中,结合样本蛋白质的氨基酸序列,准确确定蛋白质结合位点的空间结构特征信息,并基于所确定出的蛋白质结合位点的空间结构特征信息和第一样本多肽序列对多肽生成模型进行训练,可进一步提高所训练出的多肽生成模型的准确性。
在本公开的一个实施例中,多肽生成模型可以包括依次连接的编码层、相互作用层和解码层。为了可以清楚地理解本示例中的多肽生成模型是如何生成预测多肽序列的。下面结合图7对多肽生成模型的训练方法进行示例性描述。
图7是根据本公开第七实施例的示意图。
如图7所示,该多肽生成模型的训练方法可以包括:
步骤701,获取样本蛋白质的氨基酸序列。
步骤702,根据氨基酸序列,确定蛋白质结合位点的空间结构特征信息。
其中,需要说明的是,关于步骤701和步骤702的具体实现方式,可参见本公开实施例的相关描述,此处不再赘述。
步骤703,获取第一样本多肽序列以及对应的第二样本多肽序列,其中,第二样本多肽序列是基于样本蛋白质和第一样本多肽序列生成的。
步骤704,通过多肽生成模型的编码层对第一样本多肽序列进行编码,以得到第一样本多肽序列的编码特征信息。
步骤705,通过多肽生成模型的相互作用层对编码特征信息和空间结构特征信息进行融合,以得到融合特征信息。
在一些示例性的实施方式中,为了进一步可准确获取融合特征,可基于相互作用层中的第一注意力子层,确定编码特征信息对应的第一注意力特征信息;基于相互作用层中的第二注意力子层,确定空间结构特征信息对应的第二注意力特征信息;基于相互作用层中的融合子层,对第一注意力特征信息和第二注意力特征信息进行特征融合,以得到融合特征信息。
在本公开的一个实施例中,为了可以准确获取编码特征信息对应的第一注意力特征信息,可对编码特征信息进行注意力权重计算,以得到第一注意力权重信息;根据第一注意力权重信息对编码特征信息进行加权处理,以得到第一注意力特征信息。
在本公开的另一个实施例中,为了可以准确空间结构特征信息对应的第二注意力特征信息,可对空间结构特征信息进行注意力权重计算,以得到第二注意力权重信息;根据第二注意力权重信息对空间结构特征信息进行加权处理,以得到第二注意力特征信息。在本公开的一个实施例中,为了可以更好地融合空间结构特征信息和编码特征信息,以得到更加好的融合特征信息,本公开示例实施例中的相互作用层除了包括第一注意力子层、第二注意力子层和融合子层之外,还可以包括交互注意力子层,对应地,可通过交互注意力子层对编码特征信息和空间结构特征信息进行交互注意力计算,以得到用于第一注意力子层的第一注意力权重信息和用于第二注意力子层的第二注意力权重信息;通过第一注意力子层,基于第一注意力权重信息对编码特征信息进行加权处理,以得到第一注意力特征信息;以及通过第二注意力子层,基于第二注意力权重信息对空间结构特征信息进行加权处理,以得到第二注意力特征信息,然后,基于相互作用层中的融合子层,对第一注意力特征信息和第二注意力特征信息进行特征融合,以得到融合特征信息。由此,可以进一步准确得到融合了参考多肽序列的编码特征信息和蛋白质结合位点的空间结构特征信息的融合特征信息。
步骤706,通过多肽生成模型的解码层对融合特征信息进行解码,以得到预测多肽序列。
步骤707,基于预测多肽序列和第二样本多肽序列对多肽生成模型进行训练。
在本实施例中,可确定预测多肽序列和第二样本多肽序列之间的差异信息,并基于差异信息对多肽生成模型的模型参数进行调整,并对模型参数调整后的多肽生成模型进行训练,直至基于多肽生成模型输出的多肽序列与第二样本多肽序列之间的差异信息满足预设条件,以得到训练好的多肽生成模型。
在本示例中,通过多肽生成模型的相互作用层对样本蛋白质的蛋白质结合位点的空间结构特征信息和第一样本多肽序列进行信息交互,并通过多肽生成模型的解码层对信息交互所得到的融合特征信息进行解码,以得到预测多肽序列,并基于预测多肽序列和第二样本多肽序列进行多肽生成模型进行训练,可进一步提高所训练输出的多肽生成模型的准确性。
本公开实施例还提出了一种多肽序列的生成装置。
图8是根据本公开第八实施例的示意图。
如图8所示,该多肽序列的生成装置80可以包括:获取模块801、确定模块802和多肽序列生成模块803,其中:
获取模块801,用于获取与指定蛋白质对应的参考多肽序列。
确定模块802,用于确定指定蛋白质的蛋白质结合位点的空间结构特征信息。
多肽序列生成模块803,用于将参考多肽序列和空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列。
本公开提供的多肽序列的生成装置,在对指定蛋白质进行多肽药物设计的过程中,获取与该指定蛋白质对应的参考多肽序列,并确定指定蛋白质的蛋白质结合位点的空间结构特征信息,以及将参考多肽序列和空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列。由此,提出了一种结合指定蛋白质的蛋白质结合位点的空间结构特征信息来生成多肽序列的方式。
本公开实施例中,图9是根据本公开第九实施例的示意图。如图9所示,该多肽序列的生成装置90可以包括:获取模块901、确定模块902和多肽序列生成模块903,其中,确定模块902可以包括获取单元9021和确定单元9022;多肽序列生成模块903可以包括编码单元9031、融合单元9032、解码单元9033,融合单元9032可以包括第一确定子单元90321、第二确定子单元90322、特征融合子单元90323和交互注意力子单元90324。
其中,需要说明的是,关于获取模块901的详细描述可参见上述图8中的获取模块801的说明,此处不再进行描述。
在本公开的一个实施例中,获取单元9021,用于获取指定蛋白质的氨基酸序列。
确定单元9022,用于根据氨基酸序列,确定蛋白质结合位点的空间结构特征信息。
在本公开的一个实施例中,确定单元9022,具体用于:将氨基酸序列输入到预先训练的蛋白质结构预测模型中,以通过蛋白质结构预测模型得到蛋白质结合位点的空间结构特征信息。
在本公开的一个实施例中,确定单元9022,具体用于:获取氨基酸序列对应的分类标记序列,其中,分类标记序列中的分类标记与氨基酸序列中的氨基酸一一对应,分类标记序列中的分类标记用于指示氨基酸序列中与分类标记对应的氨基酸是否在蛋白质结合位点内;将氨基酸序列和分类标记序列输入到预先训练的蛋白质结构预测模型中,以通过蛋白质结构预测模型得到蛋白质结合位点的空间结构特征信息。
在本公开的一个实施例中,多肽生成模型包括编码层、相互作用层和解码层,多肽序列生成模块903,包括:编码单元9031,用于通过编码层对参考多肽序列进行编码,以得到参考多肽序列的编码特征信息;融合单元9032,用于通过相互作用层对编码特征信息和空间结构特征信息进行融合,以得到融合特征信息;解码单元9033,用于通过解码层对融合特征信息进行解码,以得到目标多肽序列。
在本公开的一个实施例中,融合单元9032可以包括:
第一确定子单元90321,用于基于相互作用层中的第一注意力子层,确定编码特征信息对应的第一注意力特征信息。
第二确定子单元90322,用于基于相互作用层中的第二注意力子层,确定空间结构特征信息对应的第二注意力特征信息。
特征融合子单元90323,用于基于相互作用层中的融合子层,对第一注意力特征信息和第二注意力特征信息进行特征融合,以得到融合特征信息。
在本公开的一个实施例中,第一确定子单元90321,具体用于:对编码特征信息进行注意力权重计算,以得到第一注意力权重信息;根据第一注意力权重信息对编码特征信息进行加权处理,以得到第一注意力特征信息。
在本公开的一个实施例中,第二确定子单元90322,具体用于:对空间结构特征信息进行注意力权重计算,以得到第二注意力权重信息;根据第二注意力权重信息对空间结构特征信息进行加权处理,以得到第二注意力特征信息。
在本公开的一个实施例中,相互作用层还包括交互注意力子层,该融合单元9032还可以包括交互注意力子单元90324,该交互注意力子单元90324可以包括:通过交互注意力子层对编码特征信息和空间结构特征信息进行交互注意力计算,以得到用于第一注意力子层的第一注意力权重信息和用于第二注意力子层的第二注意力权重信息;
其中,第一确定子单元90321,具体用于:通过第一注意力子层,基于第一注意力权重信息对编码特征信息进行加权处理,以得到第一注意力特征信息;
第二确定子单元90322,具体用于;通过第二注意力子层,基于第二注意力权重信息对空间结构特征信息进行加权处理,以得到第二注意力特征信息。
其中,需要说明的是,前述对多肽序列的生成方法实施例的描述也适用于该多肽序列的生成装置,该实施例对此不再赘述。
本公开实施例还提出了一种多肽生成模型的训练装置。
图10是根据本公开第十实施例的示意图。
如图10所示,该多肽生成模型的训练装置100可以包括:确定模块1001、获取模块1002、多肽序列生成模块1003和训练模块1004,其中:
确定模块1001,用于确定样本蛋白质的蛋白质结合位点的空间结构特征信息。
获取模块1002,用于获取第一样本多肽序列以及对应的第二样本多肽序列,其中,第二样本多肽序列是基于样本蛋白质和第一样本多肽序列生成的。
多肽序列生成模块1003,用于将第一样本多肽序列和空间结构特征信息输入到多肽生成模型中,以得到预测多肽序列。
训练模块1004,用于基于预测多肽序列和第二样本多肽序列对多肽生成模型进行训练。
本公开实施例提供的多肽生成模型的训练装置,在对多肽生成模型进行训练的过程中,结合样本蛋白质的蛋白质结合位点的空间结构特征信息来对多肽模型进行序列。由此,能够利用蛋白质结合位点的空间结构特征信息来指导多肽生成模型的训练,可提高所训练出的多肽生成模型的准确性。
图11是根据本公开第十一实施例的示意图。
如图11所示,该多肽生成模型的训练装置110可以包括确定模块1101、获取模块1102、多肽序列生成模块1103和训练模块1104,其中,确定模块1101可以包括获取单元11011和确定单元11012。
其中,需要说明的是,关于确定模块1101、获取模块1102和训练模块1104的详细描述可参见上述图10中的确定模块1001、获取模块1002和训练模块1004的说明,此处不再进行描述。
在本公开的一个实施例中,获取单元11011,用于获取样本蛋白质的氨基酸序列;
确定单元11012,用于根据氨基酸序列,确定蛋白质结合位点的空间结构特征信息。
在本公开的一个实施例中,确定单元11012,具体用于:将氨基酸序列输入到预先训练的蛋白质结构预测模型中,以通过蛋白质结构预测模型得到蛋白质结合位点的空间结构特征信息。
在本公开的一个实施例中,确定单元11012,具体用于:获取氨基酸序列对应的分类标记序列,其中,分类标记序列中的分类标记与氨基酸序列中的氨基酸一一对应,分类标记序列中的分类标记用于指示氨基酸序列中与分类标记对应的氨基酸是否在蛋白质结合位点内;将氨基酸序列和分类标记序列输入到预先训练的蛋白质结构预测模型中,以通过蛋白质结构预测模型得到蛋白质结合位点的空间结构特征信息。
在本公开的一个实施例中,多肽生成模型包括编码层、相互作用层和解码层,多肽序列生成模块1003,具体用于:通过编码层对第一样本多肽序列进行编码,以得到第一样本多肽序列的编码特征信息;通过相互作用层对编码特征信息和空间结构特征信息进行融合,以得到融合特征信息;通过解码层对融合特征信息进行解码,以得到预测多肽序列。
在本公开的一个实施例中,多肽序列生成模块1003通过相互作用层对编码特征信息和空间结构特征信息进行融合,以得到融合特征信息的具体过程为:基于相互作用层中的第一注意力子层,确定编码特征信息对应的第一注意力特征信息;基于相互作用层中的第二注意力子层,确定空间结构特征信息对应的第二注意力特征信息;基于相互作用层中的融合子层,对第一注意力特征信息和第二注意力特征信息进行特征融合,以得到融合特征信息。
在本公开的一个实施例中,基于相互作用层中的第一注意力子层,确定编码特征信息对应的第一注意力特征信息的具体过程为:对编码特征信息进行注意力权重计算,以得到第一注意力权重信息;根据第一注意力权重信息对编码特征信息进行加权处理,以得到第一注意力特征信息。
在本公开的一个实施例中,基于相互作用层中的第二注意力子层,确定空间结构特征信息对应的第二注意力特征信息的具体过程为:对空间结构特征信息进行注意力权重计算,以得到第二注意力权重信息;根据第二注意力权重信息对空间结构特征信息进行加权处理,以得到第二注意力特征信息。
在本公开的一个实施例中,相互作用层还包括交互注意力子层,还可以通过交互注意力子层对编码特征信息和空间结构特征信息进行交互注意力计算,以得到用于第一注意力子层的第一注意力权重信息和用于第二注意力子层的第二注意力权重信息;
其中,基于相互作用层中的第一注意力子层,确定编码特征信息对应的第一注意力特征信息的具体过程为:通过第一注意力子层,基于第一注意力权重信息对编码特征信息进行加权处理,以得到第一注意力特征信息。
其中,基于相互作用层中的第二注意力子层,确定空间结构特征信息对应的第二注意力特征信息的具体过程为:通过第二注意力子层,基于第二注意力权重信息对空间结构特征信息进行加权处理,以得到第二注意力特征信息。
其中,需要说明的是,前述对多肽生成模型的训练方法实施例的描述也适用于该多肽生成模型的训练装置,该实施例对此不再赘述。
本公开的技术方案中,所涉及到的各种数据的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图12是用来实现本公开实施例的多肽序列的生成方法的电子设备1200的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图12所示,设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理,例如多肽序列的生成方法。例如,在一些实施例中,多肽序列的生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的多肽序列的生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行多肽序列的生成方法。
在一些示例性的实施方式中,计算单元1201执行上文所描述的各个方法和处理,例如多肽生成模型的训练方法。例如,在一些实施例中,多肽生成模型的训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的多肽生成模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行多肽生成模型的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。

Claims (22)

1.一种多肽序列的生成方法,包括:
获取与指定蛋白质对应的参考多肽序列;
确定所述指定蛋白质的蛋白质结合位点的空间结构特征信息;
将参考多肽序列和所述空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列;
其中,所述多肽生成模型包括编码层、相互作用层和解码层,所述将参考多肽序列和所述空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列,包括:
通过所述编码层对所述参考多肽序列进行编码,以得到所述参考多肽序列的编码特征信息;
通过所述相互作用层对所述编码特征信息和所述空间结构特征信息进行融合,以得到融合特征信息;
通过所述解码层对所述融合特征信息进行解码,以得到所述目标多肽序列。
2.根据权利要求1所述的方法,其中,所述确定所述指定蛋白质的蛋白质结合位点的空间结构特征信息,包括:
获取所述指定蛋白质的氨基酸序列;
根据所述氨基酸序列,确定所述蛋白质结合位点的空间结构特征信息。
3.根据权利要求2所述的方法,其中,所述根据所述氨基酸序列,确定所述蛋白质结合位点的空间结构特征信息,包括:
将所述氨基酸序列输入到预先训练的蛋白质结构预测模型中,以通过所述蛋白质结构预测模型得到所述蛋白质结合位点的空间结构特征信息。
4.根据权利要求2所述的方法,其中,所述根据所述氨基酸序列,确定所述蛋白质结合位点的空间结构特征信息,包括:
获取所述氨基酸序列对应的分类标记序列,其中,所述分类标记序列中的分类标记与所述氨基酸序列中的氨基酸一一对应,所述分类标记序列中的分类标记用于指示所述氨基酸序列中与所述分类标记对应的氨基酸是否在所述蛋白质结合位点内;
将所述氨基酸序列和所述分类标记序列输入到预先训练的蛋白质结构预测模型中,以通过所述蛋白质结构预测模型得到所述蛋白质结合位点的空间结构特征信息。
5.根据权利要求1-4中任一项所述的方法,其中,所述通过所述相互作用层对所述编码特征信息和所述空间结构特征信息进行融合,以得到融合特征信息,包括:
基于所述相互作用层中的第一注意力子层,确定所述编码特征信息对应的第一注意力特征信息;
基于所述相互作用层中的第二注意力子层,确定所述空间结构特征信息对应的第二注意力特征信息;
基于所述相互作用层中的融合子层,对所述第一注意力特征信息和所述第二注意力特征信息进行特征融合,以得到所述融合特征信息。
6.根据权利要求5所述的方法,其中,所述基于所述相互作用层中的第一注意力子层,确定所述编码特征信息对应的第一注意力特征信息,包括:
对所述编码特征信息进行注意力权重计算,以得到第一注意力权重信息;
根据所述第一注意力权重信息对所述编码特征信息进行加权处理,以得到所述第一注意力特征信息。
7.根据权利要求5所述的方法,其中,所述基于所述相互作用层中的第二注意力子层,确定所述空间结构特征信息对应的第二注意力特征信息,包括:
对所述空间结构特征信息进行注意力权重计算,以得到第二注意力权重信息;
根据所述第二注意力权重信息对所述空间结构特征信息进行加权处理,以得到所述第二注意力特征信息。
8.根据权利要求5所述的方法,其中,所述相互作用层还包括交互注意力子层,所述方法还包括:
通过所述交互注意力子层对所述编码特征信息和所述空间结构特征信息进行交互注意力计算,以得到用于所述第一注意力子层的第一注意力权重信息和用于所述第二注意力子层的第二注意力权重信息;
其中,所述基于所述相互作用层中的第一注意力子层,确定所述编码特征信息对应的第一注意力特征信息,包括:
通过所述第一注意力子层,基于所述第一注意力权重信息对所述编码特征信息进行加权处理,以得到所述第一注意力特征信息;
其中,所述基于所述相互作用层中的第二注意力子层,确定所述空间结构特征信息对应的第二注意力特征信息,包括:
通过所述第二注意力子层,基于所述第二注意力权重信息对所述空间结构特征信息进行加权处理,以得到所述第二注意力特征信息。
9.一种多肽生成模型的训练方法,所述方法包括:
确定样本蛋白质的蛋白质结合位点的空间结构特征信息;
获取第一样本多肽序列以及对应的第二样本多肽序列,其中,所述第二样本多肽序列是基于所述样本蛋白质和所述第一样本多肽序列生成的;
将所述第一样本多肽序列和所述空间结构特征信息输入到多肽生成模型中,以得到预测多肽序列;
基于所述预测多肽序列和所述第二样本多肽序列对所述多肽生成模型进行训练;
其中,所述多肽生成模型包括编码层、相互作用层和解码层,所述将所述第一样本多肽序列和所述空间结构特征信息输入到多肽生成模型中,以得到预测多肽序列,包括:
通过所述编码层对所述第一样本多肽序列进行编码,以得到所述第一样本多肽序列的编码特征信息;
通过所述相互作用层对所述编码特征信息和所述空间结构特征信息进行融合,以得到融合特征信息;
通过所述解码层对所述融合特征信息进行解码,以得到所述预测多肽序列。
10.根据权利要求9所述的方法,其中,所述确定样本蛋白质的蛋白质结合位点的空间结构特征信息,包括:
获取所述样本蛋白质的氨基酸序列;
根据所述氨基酸序列,确定所述蛋白质结合位点的空间结构特征信息。
11.根据权利要求10所述的方法,其中,所述根据所述氨基酸序列,确定所述蛋白质结合位点的空间结构特征信息,包括:
将所述氨基酸序列输入到预先训练的蛋白质结构预测模型中,以通过所述蛋白质结构预测模型得到所述蛋白质结合位点的空间结构特征信息。
12.根据权利要求10所述的方法,其中,所述根据所述氨基酸序列,确定所述蛋白质结合位点的空间结构特征信息,包括:
获取所述氨基酸序列对应的分类标记序列,其中,所述分类标记序列中的分类标记与所述氨基酸序列中的氨基酸一一对应,所述分类标记序列中的分类标记用于指示所述氨基酸序列中与所述分类标记对应的氨基酸是否在所述蛋白质结合位点内;
将所述氨基酸序列和所述分类标记序列输入到预先训练的蛋白质结构预测模型中,以通过所述蛋白质结构预测模型得到所述蛋白质结合位点的空间结构特征信息。
13.一种多肽序列的生成装置,包括:
获取模块,用于获取与指定蛋白质对应的参考多肽序列;
确定模块,用于确定所述指定蛋白质的蛋白质结合位点的空间结构特征信息;
多肽序列生成模块,用于将参考多肽序列和所述空间结构特征信息输入到预先训练的多肽生成模型中,以得到目标多肽序列;
其中,所述多肽生成模型包括编码层、相互作用层和解码层,所述多肽序列生成模块,具体用于:
通过所述编码层对所述参考多肽序列进行编码,以得到所述参考多肽序列的编码特征信息;
通过所述相互作用层对所述编码特征信息和所述空间结构特征信息进行融合,以得到融合特征信息;
通过所述解码层对所述融合特征信息进行解码,以得到所述目标多肽序列。
14.根据权利要求13所述的装置,其中,所述确定模块,包括:
获取单元,用于获取所述指定蛋白质的氨基酸序列;
确定单元,用于根据所述氨基酸序列,确定所述蛋白质结合位点的空间结构特征信息。
15.根据权利要求14所述的装置,其中,所述确定单元,具体用于:
将所述氨基酸序列输入到预先训练的蛋白质结构预测模型中,以通过所述蛋白质结构预测模型得到所述蛋白质结合位点的空间结构特征信息。
16.根据权利要求14所述的装置,其中,所述确定单元,具体用于:
获取所述氨基酸序列对应的分类标记序列,其中,所述分类标记序列中的分类标记与所述氨基酸序列中的氨基酸一一对应,所述分类标记序列中的分类标记用于指示所述氨基酸序列中与所述分类标记对应的氨基酸是否在所述蛋白质结合位点内;
将所述氨基酸序列和所述分类标记序列输入到预先训练的蛋白质结构预测模型中,以通过所述蛋白质结构预测模型得到所述蛋白质结合位点的空间结构特征信息。
17.一种多肽生成模型的训练装置,所述装置包括:
确定模块,用于确定样本蛋白质的蛋白质结合位点的空间结构特征信息;
获取模块,用于获取第一样本多肽序列以及对应的第二样本多肽序列,其中,所述第二样本多肽序列是基于所述样本蛋白质和所述第一样本多肽序列生成的;
多肽序列生成模块,用于将所述第一样本多肽序列和所述空间结构特征信息输入到多肽生成模型中,以得到预测多肽序列;
训练模块,用于基于所述预测多肽序列和所述第二样本多肽序列对所述多肽生成模型进行训练;
其中,所述多肽生成模型包括编码层、相互作用层和解码层,所述多肽序列生成模块,具体用于:
通过所述编码层对所述第一样本多肽序列进行编码,以得到所述第一样本多肽序列的编码特征信息;
通过所述相互作用层对所述编码特征信息和所述空间结构特征信息进行融合,以得到融合特征信息;
通过所述解码层对所述融合特征信息进行解码,以得到所述预测多肽序列。
18.根据权利要求17所述的装置,其中,所述确定模块,包括:
获取单元,用于获取所述样本蛋白质的氨基酸序列;
确定单元,用于根据所述氨基酸序列,确定所述蛋白质结合位点的空间结构特征信息。
19.根据权利要求18所述的装置,其中,所述确定单元,具体用于:
将所述氨基酸序列输入到预先训练的蛋白质结构预测模型中,以通过所述蛋白质结构预测模型得到所述蛋白质结合位点的空间结构特征信息。
20.根据权利要求18所述的装置,其中,所述确定单元,具体用于:
获取所述氨基酸序列对应的分类标记序列,其中,所述分类标记序列中的分类标记与所述氨基酸序列中的氨基酸一一对应,所述分类标记序列中的分类标记用于指示所述氨基酸序列中与所述分类标记对应的氨基酸是否在所述蛋白质结合位点内;
将所述氨基酸序列和所述分类标记序列输入到预先训练的蛋白质结构预测模型中,以通过所述蛋白质结构预测模型得到所述蛋白质结合位点的空间结构特征信息。
21.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法,或者,权利要求9-12中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法,或者,权利要求9-12中任一项所述的方法。
CN202211085478.XA 2022-09-06 2022-09-06 多肽序列的生成方法、多肽生成模型的训练方法和装置 Active CN115512763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211085478.XA CN115512763B (zh) 2022-09-06 2022-09-06 多肽序列的生成方法、多肽生成模型的训练方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211085478.XA CN115512763B (zh) 2022-09-06 2022-09-06 多肽序列的生成方法、多肽生成模型的训练方法和装置

Publications (2)

Publication Number Publication Date
CN115512763A CN115512763A (zh) 2022-12-23
CN115512763B true CN115512763B (zh) 2023-10-24

Family

ID=84503266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211085478.XA Active CN115512763B (zh) 2022-09-06 2022-09-06 多肽序列的生成方法、多肽生成模型的训练方法和装置

Country Status (1)

Country Link
CN (1) CN115512763B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116486900B (zh) * 2023-04-25 2024-05-03 徐州医科大学 基于深度模态数据融合的药物靶标亲和度预测方法
CN116206690B (zh) * 2023-05-04 2023-08-08 山东大学齐鲁医院 一种抗菌肽生成和识别方法及系统
CN117174177A (zh) * 2023-06-25 2023-12-05 北京百度网讯科技有限公司 蛋白质序列生成模型的训练方法、装置及电子设备
CN117809749B (zh) * 2024-02-28 2024-05-28 普瑞基准科技(北京)有限公司 功能多肽序列的生成方法、装置、存储器和电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003076572A2 (en) * 2002-03-04 2003-09-18 Bristol-Myers Squibb Company Novel nucleic acid molecules and polypeptides encoding baboon tafi
CN110265085A (zh) * 2019-07-29 2019-09-20 安徽工业大学 一种蛋白质相互作用位点识别方法
WO2020242765A1 (en) * 2019-05-31 2020-12-03 Rubryc Therapeutics, Inc. Meso-scale engineered peptides and methods of selecting
WO2021119472A1 (en) * 2019-12-12 2021-06-17 Just-Evotec Biologics, Inc. Generating protein sequences using machine learning techniques based on template protein sequences
CN113593631A (zh) * 2021-08-09 2021-11-02 山东大学 一种预测蛋白质-多肽结合位点的方法及系统
CN113643756A (zh) * 2021-08-09 2021-11-12 安徽工业大学 一种基于深度学习的蛋白质相互作用位点预测方法
CN114333982A (zh) * 2021-11-26 2022-04-12 北京百度网讯科技有限公司 蛋白质表示模型预训练、蛋白质相互作用预测方法和装置
CN114898811A (zh) * 2022-05-26 2022-08-12 清华大学 蛋白质训练模型的训练方法及装置、电子设备和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003076572A2 (en) * 2002-03-04 2003-09-18 Bristol-Myers Squibb Company Novel nucleic acid molecules and polypeptides encoding baboon tafi
WO2020242765A1 (en) * 2019-05-31 2020-12-03 Rubryc Therapeutics, Inc. Meso-scale engineered peptides and methods of selecting
CN114401734A (zh) * 2019-05-31 2022-04-26 鲁比克治疗股份有限公司 用于工程化中尺度肽的基于机器学习的设备及其方法和系统
CN110265085A (zh) * 2019-07-29 2019-09-20 安徽工业大学 一种蛋白质相互作用位点识别方法
WO2021119472A1 (en) * 2019-12-12 2021-06-17 Just-Evotec Biologics, Inc. Generating protein sequences using machine learning techniques based on template protein sequences
CN113593631A (zh) * 2021-08-09 2021-11-02 山东大学 一种预测蛋白质-多肽结合位点的方法及系统
CN113643756A (zh) * 2021-08-09 2021-11-12 安徽工业大学 一种基于深度学习的蛋白质相互作用位点预测方法
CN114333982A (zh) * 2021-11-26 2022-04-12 北京百度网讯科技有限公司 蛋白质表示模型预训练、蛋白质相互作用预测方法和装置
CN114898811A (zh) * 2022-05-26 2022-08-12 清华大学 蛋白质训练模型的训练方法及装置、电子设备和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
computer-enabled peptide drug design: principles, methods, applications and future directions;Diller D J等;Future Medicinal Chemistry;第7卷(第16期);全文 *
Multimodal pre-training model for sequence-based prediction of protein-protein interaction;Xue Y等;Machine Learning in Computational Biology. PMLR;全文 *
从铬鞣污泥中提取胶原蛋白多肽及其应用;郭俊锁等;中国皮革;全文 *
靶向Aβ_(1-42)蛋白的多肽设计及其作用研究;曹帅;中国博士论文全文库;全文 *

Also Published As

Publication number Publication date
CN115512763A (zh) 2022-12-23

Similar Documents

Publication Publication Date Title
CN115512763B (zh) 多肽序列的生成方法、多肽生成模型的训练方法和装置
CN114333982B (zh) 蛋白质表示模型预训练、蛋白质相互作用预测方法和装置
CN113342345A (zh) 深度学习框架的算子融合方法、装置
CN113239157B (zh) 对话模型的训练方法、装置、设备和存储介质
CN112466288A (zh) 语音识别方法、装置、电子设备及存储介质
CN114564593A (zh) 多模态知识图谱的补全方法、装置和电子设备
CN115640520B (zh) 跨语言跨模态模型的预训练方法、设备和存储介质
CN112507103A (zh) 任务型对话及模型训练方法、装置、设备和存储介质
CN114715145B (zh) 一种轨迹预测方法、装置、设备及自动驾驶车辆
CN112506359A (zh) 输入法中候选长句的提供方法、装置及电子设备
CN112528146B (zh) 内容资源推荐方法、装置、电子设备及存储介质
CN113641829A (zh) 图神经网络的训练与知识图谱的补全方法、装置
CN113408280A (zh) 负例构造方法、装置、设备和存储介质
CN114492370B (zh) 网页识别方法、装置、电子设备和介质
CN113409883B (zh) 信息预测及信息预测模型的训练方法、装置、设备及介质
CN113989569B (zh) 图像处理方法、装置、电子设备和存储介质
CN113204616B (zh) 文本抽取模型的训练与文本抽取的方法、装置
CN113408304A (zh) 文本翻译方法、装置、电子设备及存储介质
CN115512762B (zh) 多肽序列的生成方法、装置、电子设备及存储介质
CN115169530B (zh) 数据处理方法、装置、电子设备和可读存储介质
CN115131709B (zh) 视频类别预测方法、视频类别预测模型的训练方法及装置
CN113361712B (zh) 特征确定模型的训练方法、语义分析方法、装置及电子设备
CN117312849A (zh) 文档版式检测模型的训练方法、装置及电子设备
CN114912541A (zh) 分类方法、装置、电子设备和存储介质
CN114219067A (zh) 推荐方法、装置、电子设备及可读存储介质

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