公开(公告)号：CN112599186A

公开(公告)日：2021-04-02

申请号：CN202011619677.5

申请日：2020-12-30

Applicant: 兰州大学

Inventor： 郑光 ,  胡成杰 ,  刘昊 ,  乔安杰 ,  陈俊楠 ,  高雅杰 ,  吕诚 ,  李立

IPC: G16B15/20 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了基于多深度学习模型共识的化合物靶蛋白绑定预测方法，包括以下步骤：获取化合物靶蛋白绑定/非绑定数据；抽取多个不同的用于训练、测试及验证的化合物靶蛋白绑定/非绑定数据集；分别构建并训练多个化合物靶蛋白绑定/非绑定深度学习模型，提取化合物靶蛋白绑定/非绑定的特征，获得多个最终化合物靶蛋白绑定/非绑定深度学习模型；通过上一步的多个化合物靶蛋白绑定/非绑定深度学习模型预测得到多组化合物靶蛋白绑定/非绑定关系；将得到的多组绑定关系结果集成得到共识的绑定关系，将得到的多组非绑定关系结果集成得到共识的非绑定关系。本发明具有假阳性率低、正确率高的特点，适合推广应用。

公开(公告)号：CN112599186B

公开(公告)日：2022-09-27

申请号：CN202011619677.5

申请日：2020-12-30

Applicant: 兰州大学

Inventor： 郑光 ,  胡成杰 ,  刘昊 ,  乔安杰 ,  陈俊楠 ,  高雅杰 ,  吕诚 ,  李立

IPC: G16B15/20 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了基于多深度学习模型共识的化合物靶蛋白绑定预测方法，包括以下步骤：获取化合物靶蛋白绑定/非绑定数据；抽取多个不同的用于训练、测试及验证的化合物靶蛋白绑定/非绑定数据集；分别构建并训练多个化合物靶蛋白绑定/非绑定深度学习模型，提取化合物靶蛋白绑定/非绑定的特征，获得多个最终化合物靶蛋白绑定/非绑定深度学习模型；通过上一步的多个化合物靶蛋白绑定/非绑定深度学习模型预测得到多组化合物靶蛋白绑定/非绑定关系；将得到的多组绑定关系结果集成得到共识的绑定关系，将得到的多组非绑定关系结果集成得到共识的非绑定关系。本发明具有假阳性率低、正确率高的特点，适合推广应用。