[发明专利]亲和度预测方法及模型的训练方法、装置、设备及介质

权利要求书

1.一种亲和度预测模型的训练方法，其中，所述方法包括：

采集多条训练样本，各条所述训练样本中包括训练靶点的信息、训练药物的信息以及训练靶点对应的测试数据集；

采用所述多条训练样本，对亲和度预测模型进行训练。

2.根据权利要求1所述的方法，其中，所述训练靶点对应的测试数据集中包括所述训练靶点与各测试药物的已知亲和度。

3.根据权利要求2所述的方法，其中，采用所述多条训练样本，对亲和度预测模型进行训练，包括：

从所述多条训练样本中选取一组训练样本，得到训练样本组；

将选取的所述训练样本组输入至所述亲和度预测模型中，获取所述亲和度预测模型预测并输出的所述训练样本组中各所述训练样本对应的预测亲和度；

根据所述训练样本组中各所述训练样本对应的预测亲和度、以及对应的所述训练样本中所述训练靶点与所述训练药物的已知亲和度，构建损失函数；

检测所述损失函数是否收敛；

若未收敛，调整所述亲和度预测模型的参数，使得所述损失函数趋于收敛。

4.根据权利要求3所述的方法，其中，根据所述训练样本组中各所述训练样本对应的预测亲和度、以及对应的所述训练样本中所述训练靶点与所述训练药物的已知亲和度，构建损失函数，包括：

取所述训练样本组中各所述训练样本对应的预测亲和度与对应的所述已知亲和度的均方误差之和，作为损失函数。

5.一种亲和度预测方法，其中，所述方法包括：

获取待检测靶点的信息、待检测药物的信息以及所述待检测靶点对应的测试数据集；

基于所述待检测靶点的信息、所述待检测药物的信息以及所述待检测靶点对应的测试数据集，采用预先训练的亲和度预测模型，预测所述待检测靶点与所述待检测药物的亲和度。

6.根据权利要求5所述的方法，其中，所述待检测靶点对应的测试数据集包括所述待检测靶点的信息、多个测试药物的信息、以及所述待检测靶点与所述多个测试药物中各所述测试药物的亲和度。

7.一种药物数据的筛选方法，其中，所述方法包括：

基于预设靶点对应的测试数据集，采用预先训练的亲和度预测模型，从预设的药物库中筛选与所述预设靶点的预测亲和度最高的数个药物的信息；

基于筛选的所述数个药物的信息，检测所述数个药物中各所述药物与所述预设靶点的真实亲和度；

基于所述数个药物的信息以及各所述药物与所述预设靶点的真实亲和度，更新所述预设靶点对应的测试数据集。

8.根据权利要求7所述的方法，其中，所述预设靶点对应的测试数据集为空，或者包括药物的信息、以及所述药物与所述预设靶点的真实亲和度。

9.根据权利要求7或8所述的方法，其中，基于预设靶点对应的测试数据集，采用预先训练的亲和度预测模型，从预设的药物库中筛选与所述预设靶点的预测亲和度最高的数个药物的信息，包括：

基于所述预设靶点对应的测试数据集，采用预先训练的所述亲和度预测模型，预测所述预设的药物库中各所述药物与所述预设靶点的预测亲和度；

基于所述预设的药物库中各所述药物与所述预设靶点的预测亲和度，从所述预设的药物库中筛选与所述预设靶点的所述预测亲和度最高的所述数个药物的信息。

10.一种亲和度预测模型的训练装置，其中，所述装置包括：

采集模块，用于采集多条训练样本，各条所述训练样本中包括训练靶点的信息、训练药物的信息以及训练靶点对应的测试数据集；

训练模块，用于采用所述多条训练样本，对亲和度预测模型进行训练。

11.根据权利要求10所述的装置，其中，所述训练靶点对应的测试数据集中包括所述训练靶点与各测试药物的已知亲和度。