[发明专利]一种基于人工智能进行靶向受体的3D药物设计方法有效
| 申请号： | 201910825654.0 | 申请日： | 2019-09-03 |
| 公开（公告）号： | CN110706756B | 公开（公告）日： | 2023-06-27 |
| 发明（设计）人： | 白启峰;姚小军 | 申请（专利权）人： | 兰州大学 |
| 主分类号： | G16C20/50 | 分类号： | G16C20/50;G16C20/70;G06N3/08;G06N3/126 |
| 代理公司： | 北京科家知识产权代理事务所(普通合伙) 11427 | 代理人： | 陈娟 |
| 地址： | 730030 甘肃*** | 国省代码： | 甘肃;62 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于人工智能进行靶向受体的3D药物设计方法，主要针对目前人工智能训练的模型只能生长成1D或2D的药物分子片段和不能直接靶向受体3D活性口袋的问题，通过利用MMFF94力场转化1D或2D药物片段分子，在受体的3D活性口袋中随机指定或特别指定起始片段作为药物分子的生长起始点，并以药物分子的可旋转键作为分割点，通过遗传算法针对受体靶点的3D活性口袋进行3D药物设计，进而解决人工智能训练的药物模型不能直接应用于受体靶点活性口袋进行3D药物分子设计的问题。 | ||
| 搜索关键词： | 一种 基于 人工智能 进行 靶向 受体 药物 设计 方法 | ||
【主权项】：
1.一种基于人工智能进行靶向受体的3D药物设计方法，其特征在于：包括以下步骤：/n(1)通过人工智能生成对抗网络(GAN)训练出药物分子生长模型，其训练的具体过程如公式1所示，构建一个生成器G(z)，还有一个辨别器D(x)，生成器G(z)生长出类似于真实药物分子的格式，而辨别器D(x)则最大限度的区分出哪些是生成器G(z)生长出来的药物分子，哪些是真实的药物分子，经过不断的迭代学习，最后生成器G(z)就能生长出几乎接近真实药物分子的模型；具体实现通过Tensorflow深度学习框架，从e-Drug3D(http://chemoinfo.ipmc.cnrs.fr)上下载美国食品药品监督管理局(FDA)批准的药物分子片段集，按照上述介绍的原理训练出FDA药物片段分子的生长模型，训练出的药物生长模型可以产生足量多的药物分子片段；/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兰州大学，未经兰州大学许可，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/201910825654.0/，转载请声明来源钻瓜专利网。
