基于相互作用能项和机器学习的蛋白-配体亲和力预测方法

摘要

本发明涉及一种基于相互作用能项和机器学习的蛋白‑配体亲和力预测方法，该方法通过分散配体与蛋白口袋的各种相互作用能项到20种氨基酸残基的主侧链上，并用机器学习的方法对PDB库中已知活性的蛋白‑配体相互作用能信息进行训练得到模型，利用所得模型进行配体与蛋白亲和力打分。本发明通过分散相互作用能项，可以充分考虑不同氨基酸残基主侧链对亲和力的影响；利用机器学习进行非线性拟合，有利于处理各个相互作用能之间的关联或耦合作用，从而针对性的减少不同氨基酸结构在亲和力计算过程中带来的误差。利用本发明，更有利于活性分子亲和力的预测，以达到提高预测准确度的目的。