[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 | ||
本发明公开了一种基于生成对抗网络的药物先导化合物筛选方法,包括:收集并建立与疾病相关的化合物数据集;根据化合物数据集,训练基于生成对抗网络的神经网络模型;根据神经网络模型,生成具有潜在治愈疾病的候选先导化合物。本发明利用与疾病相关的化合物数据用来训练基于生成对抗网络的神经网络模型,编码器和判别器直接相互竞争,从而来提高所生成的化合物分子指纹的有效性,既保留了原有训练数据的特性,同时可以快速探索出不一样的具有某些新特性的化合物分子;这将有效加速药物先导化合物的筛选过程,并保证所发现的先导化合物未来作为新型药物候选的有效性和准确度,从而解决目前药物发现流程耗费大量时间和财力的现状。
技术领域
本发明涉及药物发现和AI医疗技术领域,尤其涉及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。
背景技术
随着AI医疗(人工智能医疗)概念的提出和人类对于健康和疾病关系的探索,人们开始研究AI在药物发现领域的应用性。众所周知,新药研发的流程周期是很长的,药物先导化合物是通过某种途径得到的具有某种生物活性和化学结构的化合物,是现代新药研究的出发点。
目前面对很多疾病的药物发现过程,人们对于其靶点信息都是未知的,导致从众多化合物库中找出能有效治愈疾病的活性药物分子如同大海捞针一般困难,而AI快速的计算能力可能会给药物先导化合物的筛选过程带来新的研究方式,从而取代以往盲目的药物分析筛选过程。
发明内容
本发明的目的在于提供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。
本发明解决其技术问题采用的技术方案是:提供一种基于生成对抗网络的药物先导化合物筛选方法,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。
在本发明提供的基于生成对抗网络的药物先导化合物筛选方法中,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。
在本发明提供的基于生成对抗网络的药物先导化合物筛选方法中,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。
在本发明提供的基于生成对抗网络的药物先导化合物筛选方法中,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。
在本发明提供的基于生成对抗网络的药物先导化合物筛选方法中,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。
相应地,本发明还提供一种基于生成对抗网络的药物先导化合物筛选系统,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。
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/201811283632.8/2.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