基于深度学习的SARS-CoV-2 RBD-ACE2结合亲和力预测方法

作者：吴敏明; 李维华; 王玉霜; 丁海燕

来源：云南大学学报(自然科学版), 2022, 1-8.

• 新型冠状病毒
• RBD-ACE2结合亲和力
• 深度神经网络

新型冠状病毒（SARS-CoV-2）的快速变异导致不断出现新的毒株.已有研究表明SARS-CoV-2的S蛋白受体结合域（Receptor Binding Domain,RBD）与宿主ACE2的结合亲和力与病毒的侵染能力相关.随着新型冠状病毒在全球的持续暴发，出现了大量RBD多点突变的新毒株.通过生物试验方式获得突变毒株RBDACE2结合亲和力费时费力，远远落后于突变株的积累，不能满足对该病毒实时监控的需求.为了快速预测具有多点突变毒株的结合亲和力，设计了一种深度神经网络模型.该模型首先结合卷积神经网络、循环神经网络与注意力机制，从RBD序列上学习关键特征并预测RBD-ACE2的结合亲和力；其次在真实数据集上对模型进行训练和评估.实验结果表明模型可以有效地预测关切变异株的RBD-ACE2结合亲和力，也有助于对SARS-CoV-2突变株的传播能力进行监控.

• 单位
  云南大学