双向长短期记忆循环网络模型预测小分子与受体共价结合 |
| |
作者单位: | 五邑大学生物科技与大健康学院,广东 江门 529020;中山大学药学院药物分子设计研究中心(RCDD),广东 广州 510006;五邑大学生物科技与大健康学院,广东 江门 529020;中山大学药学院药物分子设计研究中心(RCDD),广东 广州 510006 |
| |
摘 要: | 预测小分子与蛋白质的共价结合对基于共价结合的药物筛选十分重要。目前基于结构的虚拟筛选工具主要面向药物和靶标的非共价对接。本文在前期研究的基础上,用深度学习技术中的双向长短期记忆循环网络方法和自注意机制,根据实验数据,预测小分子与蛋白质的共价结合能力。蛋白质与小分子配体共价结合主要有半胱氨酸或丝氨酸结合类型。半胱氨酸共价结合类型的数据量较大,本文主要预测半胱氨酸类型的共价结合。与传统的机器学习模型,如随机森林,逻辑回归,支持向量机模型相比,该深度学习模型的预测能力有显著的改进。
|
关 键 词: | 深度学习 自注意机制 共价结合预测 药物虚拟筛选 |
本文献已被 CNKI 万方数据 等数据库收录! |
|