[发明专利]分子结合位点检测方法、装置、电子设备及存储介质有效

专利信息
申请号: 202010272124.0 申请日: 2020-04-09
公开(公告)号: CN111243668B 公开(公告)日: 2020-08-07
发明(设计)人: 李贤芝;陈广勇;王平安;张胜誉 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G16B20/30 分类号: G16B20/30;G16B40/00;G16B40/30
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 祝亚男
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 分子 结合 检测 方法 装置 电子设备 存储 介质
【说明书】:

本申请公开了一种分子结合位点检测方法、装置、电子设备及存储介质,属于计算机技术领域。本申请通过获取目标分子中各个位点的三维坐标,确定各个位点对应的第一目标点和第二目标点,进而提取出各个位点的三维坐标中具有旋转不变特性的位置特征,调用位点检测模型对提取到的位置特征进行预测,得到各个位点是否属于结合位点的预测概率,基于预测概率确定出结合位点,由于第一目标点和第二目标点是与各个位点相关的且具有一定空间代表性的点,有利于构造出能够全面体现出目标分子细节结构的、具有旋转不变特性的位置特征,避免了为目标分子设计体素特征所带来的细节损失,提升了分子结合位点检测过程的准确性。

技术领域

本申请涉及计算机技术领域,特别涉及一种分子结合位点检测方法、装置、电子设备及存储介质。

背景技术

随着计算机技术的发展,在生物医学领域中如何通过计算机检测蛋白质分子的结合位点称为一个热点议题,其中,蛋白质分子的结合位点是指蛋白质分子上与其他分子相互绑定的位置点,俗称为“蛋白质结合口袋”。

目前,在检测蛋白质结合口袋时,可以针对蛋白质分子设计出一个体素特征,再将该体素特征输入到深度卷积神经网络(Deep Convolutional Neural Network,DCNN)中,通过DCNN来预测输入的体素特征所对应的分子结构是否为蛋白质结合口袋,可以看作利用DCNN处理一个二分类问题。

在上述过程中,虽然针对蛋白质分子设计了适合输入到DCNN里的体素特征,但是这个体素特征无法充分表征蛋白质分子中暗含的重要信息,导致检测结果往往受限于设计出的体素特征的提取方法,因此,针对蛋白质的分子结合位点检测的准确率较低。

发明内容

本申请实施例提供了一种分子结合位点检测方法、装置、电子设备及存储介质,能够提升分子结合位点检测过程的准确率。该技术方案如下。

一方面,提供了一种分子结合位点检测方法,该方法包括:

获取待检测的目标分子中至少一个位点的三维坐标,所述目标分子为待检测结合位点的化学分子;

确定所述至少一个位点分别对应的至少一个第一目标点和至少一个第二目标点,其中,任一个位点的第一目标点为以所述位点为球心、以目标长度为半径的球形空间内所包括的所有位点的中心点,任一个位点的第二目标点为以原点为起点、指向所述位点的向量的正向延长线与所述球形空间的外表面的交点;

基于所述至少一个位点、所述至少一个第一目标点以及所述至少一个第二目标点的三维坐标,提取所述至少一个位点的三维坐标中具有旋转不变特性的位置特征,所述位置特征用于表征所述至少一个位点在所述目标分子中所处的位置信息;

调用位点检测模型对提取到的所述位置特征进行预测处理,以得到所述至少一个位点的至少一个预测概率,其中,一个预测概率用于表征一个位点属于结合位点的可能性;

基于所述至少一个预测概率,确定所述目标分子中所述至少一个位点内的结合位点。

一方面,提供了一种分子结合位点检测装置,该装置包括:

获取模块,用于获取待检测的目标分子中至少一个位点的三维坐标,所述目标分子为待检测结合位点的化学分子;

第一确定模块,用于确定所述至少一个位点分别对应的至少一个第一目标点和至少一个第二目标点,其中,任一个位点的第一目标点为以所述位点为球心、以目标长度为半径的球形空间内所包括的所有位点的中心点,任一个位点的第二目标点为以原点为起点、指向所述位点的向量的正向延长线与所述球形空间的外表面的交点;

提取模块,用于基于所述至少一个位点、所述至少一个第一目标点以及所述至少一个第二目标点的三维坐标,提取所述至少一个位点的三维坐标中具有旋转不变特性的位置特征,所述位置特征用于表征所述至少一个位点在所述目标分子中所处的位置信息;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010272124.0/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top