[发明专利]基于深度学习和基因表达数据的化合物肝毒性早期预测方法有效
| 申请号： | 201910546943.7 | 申请日： | 2019-06-24 |
| 公开（公告）号： | CN110517790B | 公开（公告）日： | 2023-06-09 |
| 发明（设计）人： | 冯春来;陈恒巍;季薇;芮蒙杰 | 申请（专利权）人： | 江苏大学 |
| 主分类号： | G16H70/40 | 分类号： | G16H70/40 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 212013 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及计算机辅助药物筛选领域，具体地说是涉及一种基于深度学习和基因表达数据的化合物肝毒性的早期预测方法，其包括以下步骤：(1)化合物毒理学基因表达数据的挖掘与预处理；(2)肝毒性特征基因的挑选；(3)基于肝毒性特征基因的表达数据建立深度学习预测模型；(4)模型的参数优化与性能提升。本方法将药物基因组学与人工智能深度学习算法充分结合，克服了传统化合物肝毒性预测方法的局限性，实现了通过基因水平系统地对化合物迟发性肝毒性进行早期预测，从而为新药研发过程中的临床前毒性安全评估及临床合理用药提供一种高效、准确、快速的化合物肝毒性预测方法。 | ||
| 搜索关键词： | 基于 深度 学习 基因 表达 数据 化合物 毒性 早期 预测 方法 | ||
【主权项】：
1.一种基于深度学习和基因表达数据的化合物肝毒性早期预测方法，其特征在于，包括如下步骤：/n步骤一：通过从公共生物医学数据库中对化合物作用后的基因表达数据进行挖掘，将得到的原始数据进行数据清洗与标准化，构建建模数据样本；/n步骤二：通过基因差异表达分析与特征权重计算筛选肝毒性特征基因，作为最终模型样本特征；/n步骤三：基于深度学习算法构建预测模型，将筛选得到的肝毒性特征基因的表达数据用于模型的训练与学习；/n步骤四：通过网格搜索算法与交叉验证对模型的关键参数进行优化，提高模型的预测性能。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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江苏大学，未经江苏大学许可，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/patent/201910546943.7/，转载请声明来源钻瓜专利网。
