[发明专利]药物分子筛选方法及系统

权利要求书

1.一种药物分子筛选方法，其特征在于，包括：

预处理：采集与特定疾病相关药物分子数据，对数据进行预处理，计算其编码向量及相关的药物理化性质，形成结构数据并存入数据库；

构建训练模型：构建和训练基于条件变分自编码器的AI模型，将编码向量和分子的药物理化性质组合作为模型的输入层，通过模型的编码层转换为隐层编码向量，再经模型的解码层生成可能的药物分子结构，在模型训练过程中，通过梯度下降算法将模型损失函数最小化，不断更新迭代编码层和解码层的神经网络结构的权值参数；

生成潜在药物分子：根据训练出的条件变分自编码器的模型，生成治愈特定疾病的潜在药物分子。

2.根据权利要求1所述的药物分子筛选方法，其特征在于，所述编码向量为SMILES式编码向量，所述预处理包括：统计出SMILES式中所有字符，将SMILES式中每个字符都转换为one-hot向量，将每个药物分子的SMILES式数据处理为设定维度的编码向量。

3.根据权利要求1所述的药物分子筛选方法，其特征在于，所述计算药物分子的药物理化性质包括：计算分子质量、计算脂水分配系数、计算分子H键供体数、计算分子H键受体数、计算分子拓扑极性表面积中的一种或多种。

4.根据权利要求3所述的药物分子筛选方法，其特征在于，将计算分子质量、计算脂水分配系数、计算分子拓扑极性表面积三个指标的数据进行归一化处理，将数据统一映射到-1.0-1.0范围内，将每个药物分子的5个药物理化性质形成5维向量。

5.根据权利要求2所述的药物分子筛选方法，其特征在于，将SMILES式数据和药物理化性质数据共同组成药物分子总数据集并按照4:1的比例将总数据集随机划分为训练数据集和测试数据集，将每个SMILES式数据处理为一个120维编码向量，和5个代表不同药物理化性质的向量拼接组合形成一个125维向量数据，并作为模型的输入层。

6.根据权利要求1至5任意一项所述的药物分子筛选方法，其特征在于，所述AI模型结构包括：输入层、编码层、隐层、解码层、输出层，所述编码层输入输入层输出数据，输出到隐层，所述编码层为RNN网络结构，包含3层循环神经网络层，采用LSTM单元，每一层设置512个隐藏节点，所述解码层输入隐层的输出数据，输出到输出层，所述解码层为RNN网络结构，包含3层循环神经网络层，采用LSTM单元，每一层设置512个隐藏节点，在解码层后还存在softmax层，其代价函数采用交叉熵函数

，其中，K为种类数量 ，y是标签，p是网络的输出，指类别是i的概率；通过softmax层，估计出SMILES式编码向量中每一位具体某个字符类别的概率分布，最终通过数据预处理中one-hot值与具体编码字符直接的对应关系，重构出输出样本，输出SMILES式。

7.根据权利要求6所述的药物分子筛选方法，其特征在于，所述输入层经过编码层生成隐层形成编码器，隐层经过解码层生成输出层形成解码器，所述编码器将高维输入转化为低维的隐向量，所述损失函数，该损失函数包括两部分，第一部分表示使用概率分布P(X’|z,c)下P(X)的对数似然，表征编码层的输出与输入训练样本X的距离；第二部分为KL散度，表示Q（z|X,c）与其参考概率分布N(0,1)之间的距离。

8.根据权利要求1至5任意一项所述的药物分子筛选方法，其特征在于， 根据模型结构，基于tensorflow进行模型的构建与训练，训练过程中使用训练数据集进行模型训练，同时使用测试数据集计算测试集误差即损失函数，防止模型过拟合，在一定的训练轮次epoch之后，对比训练数据集误差和测试数据集误差，当测试数据集误差基本不变，训练数据集误差下降变化减弱，模型的编码层和解码层参数被优化到最佳数值，停止训练并保存模型。