[发明专利]基于深度学习的药物疗效预测方法、装置、设备以及存储介质

说明书

本发明提供了一种基于深度学习的药物疗效预测方法、装置、设备以及存储介质，其中，方法包括：获取药物对应的第一蛋白序列；对所述第一蛋白序列进行分割，得到多个第一子序列；分析每一个所述第一子序列，得到每一个第一文字表达；计算每一个所述第一文字表达与各所述第二文字表达的匹配度；基于所述匹配度确定所述药物与所述靶向蛋白相匹配的作用靶点；基于各所述作用靶点预测所述药物对所述靶向蛋白的药物疗效。本发明的有益效果：实现了快速对药物的作用靶点实现了自动化检测，并且还能对药物疗效进行预测，节省了实验资源。

技术领域

本发明涉及数字医疗领域，特别涉及一种基于深度学习的药物疗效预测方法、装置、设备以及存储介质。

背景技术

药物发现是确定具有潜在治疗作用的新候选化合物的过程，而药物分子和靶向蛋白质的相互作用(drug-target interactions,DTI)的预测，是药物发现过程中必不可少的一步。然药物分子的疗效取决于它们对靶蛋白或受体的亲和力。对靶蛋白没有任何相互作用或亲和力的药物分子将不能提供治疗反应。目前，药物靶点相互作用DTI的实验测定只能依靠人工测定，不仅费时又耗费资源。

发明内容

本发明的主要目的为提供一种基于深度学习的药物疗效预测方法、装置、设备以及存储介质，旨在解决药物靶点相互作用DTI的实验测定只能依靠人工测定，不仅费时又耗费资源的问题。

本发明提供了一种基于深度学习的药物疗效预测方法，应用于靶向蛋白，包括：

获取药物对应的第一蛋白序列；

对所述第一蛋白序列进行分割，得到对应所述第一蛋白序列的多个第一子序列，其中，每一个所述第一子序列的氨基酸分子的数量相同；

分析每一个所述第一子序列，得到每一个所述第一子序列对应的第一文字表达；

将每一个所述第一文字表达，以及所述靶向蛋白对应的每一个第二文字表达输入至预先训练好的word2vec模型中，得到每一个所述第一文字表达与各所述第二文字表达的匹配度；其中，所述第二文字表达通过将所述靶向蛋白的第二蛋白序列进行分割，得到对应所述第二蛋白序列的多个第二子序列，对所述第二蛋白进行分析，得到每一个所述第二子序列对应的第二文字表达；每一个所述第二子序列的氨基酸分子的数量相同，每一个第二文字表达对应的第二子序列为一个靶点；

基于所述匹配度确定所述药物与所述靶向蛋白相匹配的作用靶点；

基于各所述作用靶点预测所述药物对所述靶向蛋白的药物疗效。

本发明还提供了一种基于深度学习的药物疗效预测装置，应用于靶向蛋白，包括：

获取模块，用于获取药物对应的第一蛋白序列；

分割模块，用于对所述第一蛋白序列进行分割，得到对应所述第一蛋白序列的多个第一子序列，其中，每一个所述第一子序列的氨基酸分子的数量相同；

分析模块，用于分析每一个所述第一子序列，得到每一个所述第一子序列对应的第一文字表达；

输入模块，用于将每一个所述第一文字表达，以及所述靶向蛋白对应的每一个第二文字表达输入至预先训练好的word2vec模型中，得到每一个所述第一文字表达与各所述第二文字表达的匹配度；其中，所述第二文字表达通过将所述靶向蛋白的第二蛋白序列进行分割，得到对应所述第二蛋白序列的多个第二子序列，对所述第二蛋白进行分析，得到每一个所述第二子序列对应的第二文字表达；每一个所述第二子序列的氨基酸分子的数量相同，每一个第二文字表达对应的第二子序列为一个靶点；

确定模块，用于基于所述匹配度确定所述药物与所述靶向蛋白相匹配的作用靶点；

预测模块，用于基于各所述作用靶点预测所述药物对所述靶向蛋白的药物疗效。