[发明专利]一种基于生成对抗网络的药物先导化合物筛选方法和系统在审
| 申请号： | 201811283632.8 | 申请日： | 2018-10-31 |
| 公开（公告）号： | CN111126554A | 公开（公告）日： | 2020-05-08 |
| 发明（设计）人： | 汪念;张鑫;黄辉 | 申请（专利权）人： | 深圳市云网拜特科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 深圳市顺天达专利商标代理有限公司 44217 | 代理人： | 李琴;车大莹 |
| 地址： | 518000 广东省深圳市南山区沙*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 生成 对抗 网络 药物 先导 化合物 筛选 方法 系统 | ||
1.一种基于生成对抗网络的药物先导化合物筛选方法，其特征在于，包括以下步骤：
收集并建立与疾病相关的化合物数据集；
根据所述化合物数据集，训练基于生成对抗网络的神经网络模型；
根据所述神经网络模型，生成具有潜在治愈所述疾病的候选先导化合物。
2.如权利要求1所述的基于生成对抗网络的药物先导化合物筛选方法，其特征在于，所述化合物数据集包括化合物分子结构式，在收集并建立与疾病相关的化合物数据集的所述步骤之后还包括：
获取所述化合物分子结构式的分子指纹数据。
3.如权利要求2所述的基于生成对抗网络的药物先导化合物筛选方法，其特征在于，根据所述化合物数据集，训练基于生成对抗网络的神经网络模型的所述步骤包括：
将所述分子指纹数据通过编码器转换为隐藏编码向量和聚合后验分布；
将所述隐藏编码向量和先验分布向量输入至判别模型进行样本检验，并输出样本检验概率；
将所述样本检验概率反馈至所述编码器，以使所述编码器和所述判别模型基于互相对抗过程循环更新。
4.如权利要求3所述的基于生成对抗网络的药物先导化合物筛选方法，其特征在于，根据所述神经网络模型，生成具有潜在治愈所述疾病的候选先导化合物的所述步骤包括：
在所述聚合后验分布与所述先验分布相匹配时，通过解码器将所述隐藏编码向量进行重构输出，生成所述候选先导化合物。
5.如权利要求4所述的基于生成对抗网络的药物先导化合物筛选方法，其特征在于，当所述样本检验概率为1/2时，所述聚合后验分布与所述先验分布相匹配。
6.一种基于生成对抗网络的药物先导化合物筛选系统，其特征在于，包括：
数据收集模块，用于收集并建立与疾病相关的化合物数据集；
模型训练模块，用于根据所述化合物数据集，训练基于生成对抗网络的神经网络模型；
结果生成模块，用于根据所述神经网络模型，生成具有潜在治愈所述疾病的候选先导化合物。
7.如权利要求6所述的基于生成对抗网络的药物先导化合物筛选系统，其特征在于，所述化合物数据集包括化合物分子结构式，所述药物先导化合物筛选系统还包括数据处理模块，用于获取所述化合物分子结构式的分子指纹数据。
8.如权利要求7所述的基于生成对抗网络的药物先导化合物筛选系统，其特征在于，所述模型训练模块通过以下步骤训练基于生成对抗网络的神经网络模型：
将所述分子指纹数据通过编码器转换为隐藏编码向量和聚合后验分布；
将所述隐藏编码向量和先验分布向量输入至判别模型进行样本检验，并输出样本检验概率；
将所述样本检验概率反馈至所述编码器，以使所述编码器和所述判别模型基于互相对抗过程循环更新。
9.如权利要求8所述的基于生成对抗网络的药物先导化合物筛选系统，其特征在于，所述结果生成模块在所述聚合后验分布与所述先验分布相匹配时，通过解码器将所述隐藏编码向量进行重构输出，生成所述候选先导化合物。
10.如权利要求9所述的基于生成对抗网络的药物先导化合物筛选系统，其特征在于，当所述样本检验概率为1/2时，所述聚合后验分布与所述先验分布相匹配。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市云网拜特科技有限公司，未经深圳市云网拜特科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811283632.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：检测卡匣、检测方法及检测装置
- 下一篇：一种药物发现方法和系统
