[发明专利]一种药物筛选方法、设备及存储介质

权利要求书

1.一种药物筛选方法，其特征在于，所述药物筛选方法包括以下步骤：

获取待测病毒对应的若干药物；

对于若干药物中的每个药物，将该药物的药物分子以及所述待测病毒的碱基数字序列输入经过训练的药物筛选模型，通过所述药物筛选模型确定该药物对应的有效值；

根据所述有效值确定待测病毒对应的目标药物，其中，所述目标药物为若干药物中的一种或多种。

2.根据权利要求1所述的药物筛选方法，其特征在于，所述药物筛选模型基于训练集训练得到，所述训练集包括多组训练数据对，每组训练数据对包括训练药物的药物分子和训练病毒的碱基数字序列，不同组训练数据具有相同的训练病毒。

3.根据权利要求2所述的药物筛选方法，其特征在于，所述药物筛选模型的训练过程包括：

针对多组训练数据对中每一组训练数据对，将所述训练药物的药物分子和训练病毒的碱基数字序列输入至所述药物筛选模型，通过所述药物筛选模型输出所述训练药物-训练病毒的预测值；其中，所述预测值用于指示所述训练药物是否对训练病毒的抑制效果；

根据所述预测值对所述药物筛选模型的参数进行修正，直至通过所述药物筛选模型所输出的预测值达到期望值停止训练，以得到经训练的药物筛选模型。

4.根据权利要求3所述的药物筛选方法，其特征在于，所述药物筛选模型包括长短期记忆网络模型、图卷积神经网络模型、特征融合单元以及多层感知器模型，所述针对多组训练药物-训练病毒对中每一组训练药物-训练病毒对，将所述训练药物的药物分子和训练病毒的碱基数字序列输入至所述药物筛选模型，通过所述药物筛选模型输出所述训练药物-训练病毒的预测值具体包括：

将训练病毒的碱基数字序列输入至长短期记忆网络模型，通过所述长短期记忆网络模型输出所述训练病毒的病毒基因序列特征；

将训练药物的药物分子输入至图卷积神经网络模型，通过所述图卷积神经网络模型输出所述训练药物的药物分子特征；

将所述药物分子特征与所述病毒基因序列特征输入至特征融合单元，通过所述特征融合单元输出所述训练药物-训练病毒对的融合特征；

将所述融合特征输入至多层感知器模型，通过所述多层感知器模型输出所述训练药物-训练病毒的预测值。

5.根据权利要求4所述的药物筛选方法，其特征在于，所述长短期记忆网络模型包括多个依次连接的长短期记忆网络单元，所述将训练病毒的碱基数字序列输入至长短期记忆网络模型，通过所述长短期记忆网络模型输出所述训练病毒的病毒基因序列特征具体包括：

将碱基数字序列中第一个数字作为目标数字，输入至第一个长短期记忆网络单元，通过所述第一个长短期记忆网络单元输出中间病毒基因序列特征，将所述中间病毒基因序列特征作为目标基因序列特征；

将第一个数字的下一个数字作为目标数字与所述目标基因序列特征输入至第一个长短期记忆网络单元的下一个长短期记忆网络单元，通过所述下一个长短期记忆网络单元得到下一个目标基因特征；

重复步骤直至将碱基数字序列的最后一个数字作为目标数字与上一个目标基因序列特征输入至最后一个长短期记忆网络单元，通过最后一个长短期记忆网络单元输出将第一个数字的下一个数字作为目标数字与第一个目标基因特征输入至所述训练病毒的病毒基因序列特征。

6.根据权利要求5所述的药物筛选方法，其特征在于，每次将目标数字输入至长短期记忆网络单元的间隔时间相同。