买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学

摘要：本发明公开了预测药物化合物与作用靶点之间亲和力大小的量子系统，包括：数据预处理模块；药物化合物特征提取模块：将药物化合物矩阵输入到量子卷积神经网络QCNN中，对药物化合物实现特征提取；作用靶点蛋白特征提取模块：将所述氨基酸序列向量输入到量子时间卷积神经网络QTCN中，对作用靶点蛋白实现特征提取；亲和力预测模块：用于将所述药物化合物的序列表示和所述作用靶点蛋白的序列表示，输入至量子全连接层神经网络QFCN，得到药物化合物与作用靶点之间亲和力大小的预测。本发明可以同时提取出多个药物化合物的特征，得到准确结果的时间更短，效率更高；同时采用量子时间卷积神经网络QTCN，使得预测结果更加准确。

主权项：1.预测药物化合物与作用靶点之间亲和力大小的量子系统，其特征在于：包括：数据预处理模块：用于对预测药物化合物的smile编码进行矩阵表示得到药物化合物矩阵，并对预测药物的作用靶点蛋白的氨基酸序列按顺序进行整数编码得到氨基酸序列向量；药物化合物特征提取模块：用于将所述药物化合物矩阵输入到量子卷积神经网络QCNN中，对药物化合物实现特征提取，得到药物化合物的序列表示；所述量子卷积神经网络QCNN包括顺次连接的均具有四条量子线路的第一量子编码线路单元和第一量子卷积核单元、以及第一联合测量单元，其中所述第一量子编码线路单元用于将药物化合物矩阵的经典数据量子化表示，所述第一量子卷积核单元用于将量子化表示的药物化合物矩阵进行特征提取，所述联合测量单元对四条量子线路的末尾进行联合测量得到测量基矢的概率作为药物化合物的特征值即药物化合物的序列表示；给定一个2×2的卷积窗口，按照预设顺序依次从所述药物化合物矩阵取出四个数值，作为量子卷积神经网络QCNN的输入；作用靶点蛋白特征提取模块：用于将所述氨基酸序列向量输入到量子时间卷积神经网络QTCN中，对作用靶点蛋白实现特征提取，得到作用靶点蛋白的序列表示；所述量子时间卷积神经网络QTCN包括顺次连接的均具有四条量子线路的第二量子编码线路单元和第二量子卷积核单元、以及第二联合测量单元，其中所述第二量子编码线路单元用于将氨基酸序列向量的经典数据量子化表示，所述第二量子卷积核单元用于将量子化表示的氨基酸序列向量进行特征提取，所述第二联合测量单元对四条量子线路的末尾进行联合测量得到测量基矢的概率作为作用靶点蛋白的特征值、即作用靶点蛋白的序列表示；给定一个1×4的卷积窗口，按照向后顺序依次从所述氨基酸序列向量取出四个数值，作为量子时间卷积神经网络QTCN的输入；亲和力预测模块：用于将所述药物化合物的序列表示和所述作用靶点蛋白的序列表示，输入至量子全连接层神经网络QFCN，对量子全连接层神经网络QFCN的输出进行联合测量，得到药物化合物与作用靶点之间亲和力大小的预测；所述量子全连接神经网络QFCN包括顺次连接的均具有四条量子线路的第一全连接单元、第二全连接单元、第三全连接单元、第四全连接单元、第五全连接单元；将量子卷积神经网络QCNN输出的药物化合物的序列表示和量子时间卷积神经网络QTCN输出的作用靶点蛋白的序列表示，编码成一个总序列后，输入至量子全连接神经网络QFCN。

全文数据：

权利要求：

百度查询： 电子科技大学 预测药物化合物与作用靶点之间亲和力大小的量子系统