[发明专利]一种药物筛选方法、设备及存储介质

说明书

本发明公开了一种药物筛选方法、设备及存储介质，该方法包括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。本发明旨在基于药物‑病毒对集进行深度学习的到已训练的药物筛选模型进行筛选，这样可以提高药物筛选模型的运算性能，极大地缩减药物筛查的周期，进而缩短针对病毒感染疾病的药物的研发周期，从而提高了药物筛选的效率。

技术领域

本发明涉及辅助药物技术领域，具体涉及一种药物筛选方法、设 备及存储介质。

背景技术

对新型病毒的药物研发是一个周期很长且耗资巨大的过程，早期 的药物筛选一般采用人工筛选，需要耗费大量的人力物力，存在着实 验周期长等一系列的缺点。近年来随着科技地不断发展，人工智能技 术应运而生，在药物的筛选和挖掘过程中起到关键作用，但是人工智 能技术筛选和挖掘药物的相关研究尚处于起步阶段，其在筛选过程中 需要大量的运算，操作繁琐，从而使得药物筛选周期长，极大影响了 缓解病毒感染疾病的效率。

因此，现有技术有待于改进和发展。

发明内容

基于此，本发明提供一种药物筛选方法、设备及存储介质，以解 决药物筛选方法存在的耗时长的问题。

为了达到上述目的，本发明采取了以下技术方案：

一种药物筛选方法，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。

可选的，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。

可选的，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有效抑制；

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。

可选的，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图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。