技术特征：
1.一种药物靶点定位评估系统，其特征在于，包括：中央处理器；预处理系统，用于对待预测药物的药物分子和待预测靶点的蛋白分子进行数据预处理操作；特征提取系统，用于对进行数据预处理操作后进行特征提取操作；训练模型构建系统，用于针对不同情况构建不同的卷积网络模型或者贝叶斯网络结构模型；函数构建系统，用于构建所需的函数模型。2.根据权利要求1所述的一种药物靶点定位评估系统，其特征在于：所述预处理系统包括：获取待预测药物的药物分子和待预测靶点的蛋白分子，对待预测药物的药物分子和待预测靶点的蛋白分子进行数据预处理操作，得到待预测药物的指纹图谱和邻接矩阵以及待预测靶点的蛋白质序列向量。3.根据权利要求1所述的一种药物靶点定位评估系统，其特征在于：所述特征提取系统包括：对待预测药物的指纹图谱和邻接矩阵以及待预测靶点的蛋白质序列向量进行特征提取操作，得到待预测药物的药物嵌入向量特征和待预测靶点的蛋白序列嵌入向量特征，再利用每个药物的嵌入向量特征和每个靶点的嵌入向量特征来预测新的药物－靶点相互作用，随后构建一个特征交互矩阵，该矩阵将药物空间的低维特征向量映射到靶点空间，从而药物的投影特征向量接近已知的与其相关靶点的向量，通过映射得到药物和靶点之间的得分矩阵，使用真实的药物－靶点关系矩阵对得分矩阵不断优化，得到最终的药物和靶点的关系得分。4.根据权利要求1所述的一种药物靶点定位评估系统，其特征在于：所述训练模型构建系统包括卷积网络模型和贝叶斯网络结构模型。5.根据权利要求4所述的一种药物靶点定位评估系统，其特征在于：所述卷积网络模型的构建包括：通过图卷积网络学习药物和靶点的低维特征向量，结合图卷积网络中每个药物节点或靶点节点的拓扑性质和邻域信息，捕捉非线性相互作用；利用矩阵补全的方法对学习到的药物特征和靶点特征进行关系预测，得到靶点预测结果。6.根据权利要求4所述的一种药物靶点定位评估系统，其特征在于：所述贝叶斯网络结构模型包括：k1：至少部分地基于对疾病的药物抑制效果的知识构建贝叶斯网络的结构；k2：将一组参数与构建的贝叶斯网络相关；通过自动过程确定贝叶斯网络的联合概率分布的值；k3：至少部分地基于这些联合概率值导出具有一个或多个平均参数的平均贝叶斯网络；k4：至少部分地基于平均贝叶斯网络计算定量预测。7.根据权利要求6所述的一种药物靶点定位评估系统，其特征在于：所述构建贝叶斯网络的结构包括根据领域专家知识增加变量之间的定向边，其中将一组参数与构建的贝叶斯网络相关包括联合在贝叶斯网络中其他变量的值指示一个或多个变量的值的联合概率，其中确定联合概率分布的值是基于包括多个激活父母和多个与贝叶斯网络相关的抑制父母的局部结构，其中导出平均贝叶斯网络包括平均与网络相关的联合概率值，其中计算定量
预测包括整合一组贝叶斯网络并通过贝叶斯网络组的先验概率乘以结果，其中整合一组贝叶斯网络包括在激活和抑制父节点的组合下至少部分地基于子节点概率以相对顺序应用整合限制。8.根据权利要求1所述的一种药物靶点定位评估系统，其特征在于：所述函数构建系统包括：构建训练数据划分函数，将k个药物的药物嵌入向量特征和k个靶点的蛋白序列嵌入向量特征划分为m份；根据深度神经预测网络或者贝叶斯网络的m份训练数据和框架，对深度神经预测网络或贝叶斯网络进行训练，并将进行m折交叉验证，进而实现对深度神经预测网络或贝叶斯网络的训练。
技术总结
本发明涉及生物医药技术领域，且公开了一种药物靶点定位评估系统，包括：中央处理器，预处理系统用于对待预测药物的药物分子和待预测靶点的蛋白分子进行数据预处理操作，特征提取系统用于对进行数据预处理操作后进行特征提取操作，训练模型构建系统用于针对不同情况构建不同的卷积网络模型或者贝叶斯网络结构模型。该一种药物靶点定位评估系统，通过基于图神经网络方法有效融合网络结构和节点属性信息，通过对局部表示应用多层聚合捕获更高阶的节点特征信息；进一步基于矩阵补全的方法学习原始特征隐含的抽象信息；最后将网络中中药和靶点的特征表示学习和后续的靶点预测任务结合，通过后者进一步优化特征表示，构建端到端的预测模型。端的预测模型。端的预测模型。
技术研发人员：赵春学
受保护的技术使用者：苏州优炫智能科技有限公司
技术研发日：2022.11.08
技术公布日：2023/1/23