蛋白质复合物的亲和力预测模型的训练方法及其应用与流程

本技术涉及蛋白质亲和力预测，尤其涉及一种蛋白质复合物的亲和力预测模型的训练方法及其应用。

背景技术：

1、在蛋白质计算领域，亲和力（affinity）指生物分子间（如蛋白质与蛋白质）的相互结合的强度，相对亲和力（relative-affinity）变化通常以结合自由能的差值（δδg或者ddg）来量化，用于定量表征氨基酸突变对分子间亲和力的影响。亲和力预测是结构生物学和蛋白质工程的中心任务之一，相对亲和力预测则更进一步专注于捕捉突变对结合自由能的细微变化，这对于揭示致病突变机理和优化蛋白结合特性至关重要。

2、在相对亲和力预测任务中，较常用的方法包括基于物理和经验的传统 cadd（computer-aided drug design）方法和数据驱动的深度学习方法。传统cadd方法主要依赖于领域专家的知识，通过手工设计的能量函数和力场来直接计算能量变化。然而，这类方法通常存在数据受限、特征单一，多位点突变场景的预测准确率低等缺点。深度学习方法可以在数据中学习蛋白质序列、结构与能量之间的关系，随着数据量的增加，其性能有超越传统方法的潜力。然而，当前深度学习方法普遍因数据稀缺或分布偏差较大而难以泛化至实际应用场景，尤其是在蛋白质工程、药物研发领域，存在大量突变的情况，当前的亲和力预测模型难以有效预测多点突变的结合能的变化。

3、因此，在用于预测突变后的蛋白质之间的相对亲和力时，如何提升亲和力预测模型的泛化性和准确性，从而进一步提升含突变蛋白抗体筛选的精准性和实际场景应用能力是当前亟需解决的问题。

技术实现思路

1、为解决或部分解决相关技术中存在的问题，本技术提供一种蛋白质复合物的亲和力预测模型的训练方法及其应用，能够提升亲和力预测模型对突变型蛋白质复合物的相对亲和力预测的准确性与泛化性。

2、本技术第一方面提供一种蛋白质复合物的亲和力预测模型的训练方法，其包括：

3、获取训练数据，所述训练数据包括突变型蛋白质复合物的突变型复合物三维结构信息和训练标签，其中，至少部分所述突变型蛋白质复合物由对应的野生型蛋白质复合物突变获得，所述训练标签包括所述突变型蛋白质复合物的相对亲和力；

4、根据所述突变型复合物三维结构信息，获取所述突变型蛋白质复合物的多模态特征，其中，所述多模态特征包括所述突变型蛋白质复合物的分子物理特性特征、和/或所述突变型蛋白质复合物的残基相互作用特征及对应的所述野生型蛋白质复合物的残基相互作用特征；

5、根据所述训练数据和所述多模态特征对预设亲和力预测模型进行训练，获得训练好的目标亲和力预测模型。

6、本技术第二方面提供一种突变型蛋白质复合物的亲和力预测方法，其包括：

7、获取待预测信息，所述待预测信息包括目标突变型蛋白质复合物的目标突变型三维结构信息，或目标野生型蛋白质复合物的目标野生型三维结构信息及目标突变信息；

8、根据所述待预测信息，生成对应的多模态特征；所述多模态特征包括所述目标突变型蛋白质复合物的分子物理特性特征，和/或所述目标突变型蛋白质复合物的残基相互作用特征及对应的所述目标野生型蛋白质复合物的残基相互作用特征；

9、根据所述待预测信息及所述多模态特征，通过第一方面所述的训练方法训练好的目标亲和力预测模型，生成所述目标突变型蛋白质复合物对应的相对亲和力。

10、本技术第三方面提供一种蛋白质复合物的亲和力预测模型的训练装置，其包括：

11、数据获取模块，用于获取训练数据，所述训练数据包括突变型蛋白质复合物的突变型复合物三维结构信息和训练标签，其中，至少部分所述突变型蛋白质复合物由对应的野生型蛋白质复合物突变获得，所述训练标签包括所述突变型蛋白质复合物的相对亲和力；

12、特征提取模块，用于根据所述突变型复合物三维结构信息，获取所述突变型蛋白质复合物的多模态特征，其中，所述多模态特征包括突变型蛋白质复合物的分子物理特性特征、和/或所述突变型蛋白质复合物的残基相互作用特征及对应的所述野生型蛋白质复合物的残基相互作用特征；

13、模型训练模块，用于根据所述训练数据和所述多模态特征对预设亲和力预测模型进行训练，获得训练好的目标亲和力预测模型。

14、本技术第四方面提供一种蛋白质复合物的亲和力预测模型的训练装置，其包括：

15、信息获取模块，用于获取待预测信息，所述待预测信息包括目标突变型蛋白质复合物的目标突变型三维结构信息，或目标野生型蛋白质复合物的目标野生型三维结构信息及目标突变信息；

16、特征编码模块，用于根据所述待预测信息，生成对应的多模态特征；所述多模态特征包括所述目标突变型蛋白质复合物的分子物理特性特征，和/或所述目标突变型蛋白质复合物的残基相互作用特征及对应的所述目标野生型蛋白质复合物的残基相互作用特征；

17、亲和力预测模块，用于根据所述待预测信息及所述多模态特征，通过第一方面所述的训练方法训练好的目标亲和力预测模型，生成所述目标突变型蛋白质复合物对应的相对亲和力。

18、本技术第五方面提供一种电子设备，包括：

19、处理器；以及

20、存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上第一方面或第二方面所述的方法。

21、本技术第六方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上第一方面或第二方面所述的方法。

22、本技术第七方面提供一种计算机程序产品，所述计算机程序产品包括计算机指令，所述计算机指令被处理器执行时实现如上第一方面或第二方面所述的方法。

23、本技术提供的技术方案可以包括以下有益成果：

24、本技术的训练方法，通过结合突变型蛋白质复合物的突变型复合物三维结构信息和多模态特征对预设亲和力预测模型进行训练，使得模型在训练过程中通过学习突变复合物的物理能量项、几何互补性及疏水核心完整性等分子物理特性特征，和/或聚焦于残基构象能量及其相互作用能的残基相互作用特征，将突变型复合物三维结构信息与上述多层次特征进行深度融合，可以提升亲和力预测模型的泛化性和准确性，从而进一步提升含突变蛋白抗体筛选的精准性和实际场景应用能力。

25、本技术的训练方法，通过构建高质量、多维度的数据集，突破单一数据类型的局限。首先，采用严格的清洗与矫正流程，对所有野生型蛋白质复合物结构数据进行分辨率与残基数筛选，并对突变数据进行位点对齐，确保突变后的突变型蛋白质复合物的三维结构信息的精确性与一致性。其次，加入含亲和力标签的突变型蛋白质复合物的结构数据（三维模态），通过建立优先级规则和严格去重，保障每组相互作用数据的唯一性与可靠性。最后，基于蛋白质聚类工具进行突变蛋白质复合物中包含的蛋白质序列与复合物结构的多重聚类划分，设置严苛的多个阈值，确保训练集、验证集与测试集之间无数据泄漏，从而提升模型在少量突变数据场景下的预测精度与泛化能力。

26、另外，本技术的训练方法，通过多模态特征的提取，通过多粒度的特征提取策略，既能够从全局视角把握突变型蛋白质复合物整体的能量分布与稳定性特征，又能够从局部视角捕捉关键残基对突变效应的敏感性差异，为亲和力预测模型提供了丰富的多层次信息。通过整合突变型蛋白质复合物的三维结构信息和局部的残基相互作用特征在统一的特征表征空间，将不同模态的数据映射至共享的嵌入空间进行融合，实现不同模态特征之间的深度融合与信息互补。通过上述特征融合策略，亲和力预测模型能够充分挖掘各类特征数据之间的协同信息，克服单一特征信息不完整的局限，从而在多样化应用场景下显著提升亲和力预测模型的泛化能力与预测稳定性。

27、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。