基于深度学习的化合物—蛋白质相互作用预测

发布时间：2021-12-19 14:19

　　识别化合物-蛋白质相互作用在药物发现和药物设计中起到至关重要的作用,它为理解药物的药效、靶向以及不良副作用提供了有价值的参考。传统的方法主要是通过实验来验证化合物和蛋白质之间的相互作用关系,这种方法费时、费力,且不可能对所有的化合物、蛋白质逐一验证,具有很大的局限性。而通过计算的方法预测化合物-蛋白质相互作用关系,可以利用计算机强大的计算能力以及并行计算算法大幅减少预测时间,而且预测过程具有快捷智能、成本低廉、覆盖面广的特点,因此这类方法相比于实验方法具有独特的应用价值。识别化合物-蛋白质相互作用的计算方法很多,目前主流是分子对接（Docking）技术,其根据配体与受体作用的“锁-钥原理”,来模拟小分子配体与受体生物大分子相互作用。然而,该方法需要化学专业知识为背景,对于普通计算机专业人士难以胜任,并且准确率不高。深度学习技术的发展,大大减轻了编程人员对专业背景知识的要求,为识别化合物-蛋白质相互作用提供了新的可能性。本文的主要工作是构建了一个深度神经网络模型,输入层为2640维的向量,代表化合物的2640个特征数字,输出层为10维的向量,代表10种不同的蛋白质。模型采用反向传播算法,... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

一张同时包括山景、海滩、小船的风景图

图 2-2 人的神经元结构如图，神经元大致可以分为树突（Dendrite）、突触末梢（Synaptic term体（Cell body）和轴突（Axon）。树突为神经元的输入通道，其功能经元的动作电位传递至细胞体。其他神经元的动作电位借由位于树突个突触传递至树突上。神经细胞有两种状态：激活和未激活。当从其接收到的信号量超过某个阈值时，就会达到激活状态，否则，就是未外，突触的不同性质：抑制或加强也会对激活与否造成影响。激活状生电脉冲，电脉冲经过轴突、突触再传递到其它神经元。在神经网络元就好像人脑的一个神经元：接收信息，经过一系列函数，将输入信后再发送出去。

图 2-2 人的神经元结构，神经元大致可以分为树突（Dendrite）、突触末梢（Synaptic tCell body）和轴突（Axon）。树突为神经元的输入通道，其功的动作电位传递至细胞体。其他神经元的动作电位借由位于树触传递至树突上。神经细胞有两种状态：激活和未激活。当从到的信号量超过某个阈值时，就会达到激活状态，否则，就是，突触的不同性质：抑制或加强也会对激活与否造成影响。激活脉冲，电脉冲经过轴突、突触再传递到其它神经元。在神经网好像人脑的一个神经元：接收信息，经过一系列函数，将输入发送出去。

【参考文献】：
期刊论文
[1]基于网络药理学的药物研发新模式[J]. 潘家祜.  中国新药与临床杂志. 2009(10)



本文编号：3544567