[发明专利]基于深度学习方法预测化合物蛋白质相互作用的新型深度模型、计算机设备、存储介质

摘要

本发明公开了一种基于深度学习方法预测化合物蛋白质相互作用的新型深度模型。所述的新型深度模型包括三个双向门控循环单元(BiGRU)模型、图卷积神经网络模型(GCN)和卷积神经网络(CNN)模型，整个网络架构为TripleBiGRU/GCN‑CNN。所述的双向门控循环单元模型包括两个门控循环单元(GRU)组成的序列处理模型，一个输入是向前输入，另一个输入是反向输入，是一个只有输入门和忘记门双向递归神经网络。模型的输入为化合物一维SMILES序列、化合物二维分子图、蛋白质结构属性序列和蛋白质氨基酸序列，四个变量分别输入到TripleBiGRU/GCN模型里。TripleBiGRU/GCN模型输出为表示化合物的特征向量和表示蛋白质的特征向量。所述的CNN模型由卷积层、池化层、全连接层组成，该模型的输入为化合物的特征向量、蛋白质的特征向量；该TripleBiGRU/GCN‑CNN模型的最终输出为预测化合物蛋白质亲和力值的根均方误差值。