[发明专利]一种基于结构和等级分类的药物蛋白结合率预测方法及系统有效
| 申请号： | 201910742202.6 | 申请日： | 2019-08-13 |
| 公开（公告）号： | CN110689919B | 公开（公告）日： | 2023-03-17 |
| 发明（设计）人： | 相小强;袁雅文;张政;常硕;张彦春;李治纲;蔡卫民;田凌浩 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | G16B15/30 | 分类号： | G16B15/30;G16B20/00;G16B40/00 |
| 代理公司： | 苏州知途知识产权代理事务所(普通合伙) 32299 | 代理人： | 张锦波 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请涉及一种基于结构和等级分类的药物蛋白结合率预测方法及系统，包括：(1)数据收集，并对收集到PPB数据值进行处理，并去除重复的药物分子；(2)将药物分子的PPB值分为高结合药物、中结合药物、低结合药物三个等级的数据集；(3)计算分子描述符的数据值，并进行相关性筛选，选出与药物蛋白结合率最相关的一组分子描述符；(4)采用机器学习算法，分别建立三个等级的定量预测模型；(5)将药物分子的分子描述符代入对应等级的定量预测模型，对药物分子的蛋白结合率进行预测。本申请可提高高结合药物PPB预测的准确度，解决现有技术中高结合药物PPB预测准确度低的问题。 | ||
| 搜索关键词： | 一种 基于 结构 等级 分类 药物 蛋白 结合 预测 方法 系统 | ||
【主权项】：
1.一种基于结构和等级分类的药物蛋白结合率预测方法，其特征在于，所述预测方法包括如下步骤：/n(1)收集不同药物分子的蛋白结合率数据值以及相应的结构编码，并对收集的药物分子的蛋白结合率数据值进行处理，去除重复的药物分子；/n(2)根据步骤(1)得到的药物分子的蛋白结合率数据值分为三个等级的数据集，即：高结合药物数据集、中结合药物数据集和低结合药物数据集，并将三个等级的数据集分别划分训练集和测试集；/n(3)计算药物分子的分子描述符的数据值，用所述的分子描述符编码分子结构，同时对分子描述符进行相关性筛选，筛选出与药物蛋白结合率最相关的一组分子描述符；/n(4)根据步骤(3)得到的分子描述符，采用机器学习算法，分别建立三个等级的定量预测模型；/n(5)当对某一药物的药物蛋白结合率进行预测时，首先根据其分子描述符参数判断药物蛋白结合率等级，并将所述分子描述符参数代入对应等级的定量预测模型对药物蛋白结合率进行预测。/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复旦大学，未经复旦大学许可，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/201910742202.6/，转载请声明来源钻瓜专利网。
