[发明专利]一种基于分子对接的虚拟药物筛选方法和装置

权利要求书

1.一种基于分子对接的虚拟药物筛选方法，其特征在于，包括：

输入药物分子信息；

将所述药物分子信息转化为n维度的浮点型数据信息；

采用长短期记忆LSTM网络根据所述n维度的浮点型数据信息输出所述药物分子的每个原子的信息，从所述每个原子的信息中汇总得到表示所述药物分子特征的矢量；

通过注意力网络为表示所述药物分子特征的矢量赋予权重，得到所述药物分子的矢量模型；

根据所述矢量模型对所述药物分子的活性进行筛选。

2.根据权利要求1所述的基于分子对接的虚拟药物筛选方法，其特征在于，所述药物分子信息包括：原子类型、化学键能大小、原子间距和结合氨基酸类型。

3.根据权利要求1所述的基于分子对接的虚拟药物筛选方法，其特征在于，包括：在输入LSTM网络前对所述药物分子信息的数据序列进行填充，以保证批次数据序列长度一致。

4.根据权利要求3所述的基于分子对接的虚拟药物筛选方法，其特征在于，包括：对于任意药物分子x，由m个原子组成，输入LSTM的矩阵表示为{z1，z2，·····，zm}，其中zi为第i个原子的信息矢量，Wⁱ、bⁱ为LSTM网络的权重和偏重，则每个原子的经过网络的输出为：

u_i＝f(Wⁱz_i+bⁱ)，

其中，f()为所述LSTM网络的输出函数。

5.根据权利要求4所述的基于分子对接的虚拟药物筛选方法，其特征在于，从所述每个原子的信息中汇总得到表示所述药物分子特征的矢量包括：采用最大值池化的方法，产生最终特征，具体公式为：

6.根据权利要求1所述的基于分子对接的虚拟药物筛选方法，其特征在于，包括：所述权重的计算通过2层非线性变换得到，为每个表示所述药物分子特征的矢量r_i赋予0～1的权重w_i，修正后的特征矢量的计算公式为：

7.根据权利要求6所述的基于分子对接的虚拟药物筛选方法，其特征在于，还包括，所述注意力网络包括第一注意力网络和第二注意力网络，所述第一注意力网络采用relu激活函数，以筛选有效矢量，所述第二注意力网络采用sigmoid激活函数使得所述权重在0～1区间内。

8.根据权利要求7所述的基于分子对接的虚拟药物筛选方法，其特征在于，包括：所述权重w_i计算公式为：

W_i＝Sigmoid(W²(Relu(W¹r+b¹))+b²)

其中W¹、b¹为所述第一注意力网络的权重和偏重，W²、b²为所述第二注意力网络的权重和偏重，所述第一注意力网络的层数为j/r，r为设定的压缩数据的超参数，所述第二注意力网络的层数为j。

9.一种基于分子对接的虚拟药物筛选装置，其特征在于，包括：

输入模块，用于输入药物分子信息；

数据转化模块，用于将所述药物分子信息转化为n维度的浮点型数据信息；

LSTM网络模块，用于采用LSTM网络根据所述n维度的浮点型数据信息输出所述药物分子的每个原子的信息，从所述每个原子的信息中汇总得到表示所述药物分子特征的矢量；

注意力网络模块，用于通过注意力网络为表示所述药物分子特征的矢量赋予权重，得到所述药物分子的矢量模型；

筛选模块，用于根据所述矢量模型对所述药物分子的活性进行筛选。

10.根据权利要求9所述的基于分子对接的虚拟药物筛选装置，其特征在于，包括：所述药物分子信息包括：原子类型、化学键能大小、原子间距和结合氨基酸类型。