[发明专利]预测方法及相关装置、设备

权利要求书

1.一种预测方法，其特征在于，包括：

获取待测药物的第一原始表示和待测蛋白质的第二原始表示；其中，所述第一原始表示包括所述待测药物的分子结构信息，所述第二原始表示包括所述待测蛋白质的氨基酸序列信息；

对所述第一原始表示进行第一特征提取，得到所述待测药物的第一特征表示，并对所述第二原始表示进行第二特征提取，得到所述待测蛋白质的第二特征表示；

利用所述第一特征表示对所述第二特征表示进行互相关处理，得到所述待测药物和所述待测蛋白质的最终融合特征表示；以及

基于所述最终融合特征表示，得到所述待测药物和所述待测蛋白质之间的预测反应结果。

2.根据权利要求1所述的方法，其特征在于，所述待测药物的第一特征表示包含对应于不同感受野的多个所述第一特征表示；以及

所述利用所述第一特征表示对所述第二特征表示进行互相关处理，得到所述待测药物和所述待测蛋白质的最终融合特征表示，包括：

基于所述感受野，将多个所述第一特征表示进行排序；

依序选择一个所述第一特征表示，并利用选择的所述第一特征表示对所述第二特征表示进行互相关处理，得到与选择的所述第一特征表示对应的第一融合特征表示；

将选择的所述第一特征表示对应的第一融合特征表示，作为新的所述第二特征表示；

重复执行所述依序选择一个所述第一特征表示的步骤以及后续步骤，直至所述多个所述第一特征表示均被选择为止，将基于最后选择的所述第一特征表示得到的第一融合特征表示，作为所述最终融合特征表示。

3.根据权利要求2所述的方法，其特征在于，每个所述第一特征表示对应的第一融合特征表示和所述最终融合特征表示的尺寸均为预设尺寸；

和/或，所述基于所述感受野，将多个所述第一特征表示进行排序包括：

按照所述感受野由小到大的顺序，将多个所述第一特征表示进行排序。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述互相关处理的步骤包括：

将所述第一特征表示以预设步长在所述第二特征表示中进行滑动卷积。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述对所述第一原始表示进行第一特征提取，得到所述待测药物的第一特征表示，包括：

利用反应预测网络的第一提取子网络对所述第一原始表示进行特征提取，得到所述待测药物的第一特征表示；以及

所述对所述第二原始表示进行第二特征提取，得到所述待测蛋白质的第二特征表示，包括：

利用所述反应预测网络的第二提取子网络对所述第二原始表示进行特征提取，得到所述待测蛋白质的第二特征表示；以及

所述基于所述最终融合特征表示，得到所述待测药物和所述待测蛋白质之间的预测反应结果，包括：

利用所述反应预测网络的分类预测子网络对所述最终融合特征表示进行分类预测，得到所述待测药物和所述待测蛋白质之间的预测反应结果。

6.根据权利要求5所述的方法，其特征在于，所述第一原始表示包括所述待测药物的分子无向图，所述第一提取子网络包括图网络；

和/或，所述第二原始表示包括以一维序列表示的所述待测蛋白质的一级结构序列，所述第二提取子网络包括一维卷积。

7.根据权利要求5或6所述的方法，其特征在于，在所述利用所述反应预测网络的分类预测子网络对所述最终融合特征表示进行分类预测，得到所述待测药物和所述待测蛋白质之间的预测反应结果之前，所述方法还包括：

利用反应预测网络的循环神经子网络对所述最终融合特征表示进行编码处理，并将所述循环神经子网络的隐藏层的状态作为新的所述最终融合特征表示。