基于小样本的先导化合物虚拟筛选方法和装置制造方法及图纸

本发明专利技术公开了一种基于小样本的先导化合物虚拟筛选方法和装置。方法包括：利用药物靶标及其同源药物靶标的配体样本信息，采用稀疏低秩多任务学习来构建虚拟筛选模型；采用低秩正则化项来学习同源药物靶点与配体分子作用的共同特征；采用稀疏正则化项来学习新药物靶点与配体分子作用的独特特征；利用构建的模型对小样本下的先导化合物的活性进行预测并评价其性能。本发明专利技术还提供了实现上述方法相应的装置。采用本发明专利技术的方法和装置，可以实现既能提高筛选的效率又能节省时间和巨额的资金花销的目的。同时，本发明专利技术应用于药物筛选领域时也能够满足药物靶标配体的生物活性预测的要求。

Virtual Screening Method and Device for Leading Compounds Based on Small Samples

【技术实现步骤摘要】
基于小样本的先导化合物虚拟筛选方法和装置
本专利技术涉及计算机辅助药物设计，特别涉及一种基于小样本的先导化合物虚拟筛选方法和装置。
技术介绍
先导化合物，是通过各种途径和手段得到的具有某种生物活性和化学结构的化合物，用于进一步的结构改造和修饰，是现代新药研究的出发点。在新药研究过程中，通过化合物活性筛选而获得具有生物活性的先导化合物是创新药物研究的基础。传统的药物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。随着21世纪计算机的快速发展，虚拟药物筛选技术已经广泛地应用到药物研发过程中，尤其在新的药物靶标和罕见疾病先导化合物结构发现方面起到了关键的作用。虚拟筛选，也称计算机筛选，即在进行生物活性筛选之前，利用计算机上的分子对接软件模拟目标靶点与候选药物之间的相互作用，计算两者之间的活性值大小，以降低实际筛选化合物数目，同时提高先导化合物发现效率。其中，虚拟筛选可以分为两类，即基于受体的虚拟筛选和基于配体的虚拟筛选。目前，针对已知药物靶标的药物开发已接近饱和。针对新的药物靶标或者罕见疾病进行新药开发已成为近年来的研究热点，但它们往往因为样本信息很不充分，难于得到好的配体虚拟本文档来自技高网...

【技术保护点】
1.一种基于小样本的先导化合物虚拟筛选方法，其特征在于，包括：(1)利用新药物靶标及同源药物靶标的配体样本信息，采用稀疏低秩多任务学习来构建虚拟筛选模型；(2)采用低秩正则化项来学习同源药物靶点与配体分子作用的共同特征；(3)采用稀疏正则化项来学习新药物靶点与配体分子作用的独特特征；(4)利用构建的模型对小样本下的先导化合物的活性进行预测并评价其性能。

【技术特征摘要】
1.一种基于小样本的先导化合物虚拟筛选方法，其特征在于，包括：(1)利用新药物靶标及同源药物靶标的配体样本信息，采用稀疏低秩多任务学习来构建虚拟筛选模型；(2)采用低秩正则化项来学习同源药物靶点与配体分子作用的共同特征；(3)采用稀疏正则化项来学习新药物靶点与配体分子作用的独特特征；(4)利用构建的模型对小样本下的先导化合物的活性进行预测并评价其性能。2.根据权利要求1所述的基于小样本的先导化合物虚拟筛选方法，其特征在于，步骤(1)包括：选择同源药物靶标；获取所需要的初始数据集，其中，所述的初始数据集包括新药物靶标及其同源药物靶标的信息，所述信息包括所需要的配体分子smiles和与配体作用的活性值；每个药物靶标的活性值预测称为一个任务，多个同源药物靶标的预测即多个任务；根据初始数据集，利用分子指纹的方法分别将t个任务中的n个药物靶标所结合的配体的smiles生成相对应的d维分子特征，用0/1来表示，记作xn；把X＝[x1,x2,…,xn]T∈Rn×d作为多个任务的特征矩阵输入，其中，x1,x2,…,xn分别代表第1,2,...,n个配体分子特征，Rn×d代表n×d维的空间，T为转置符号；n个药物靶标的活性值记作向量yn，将Y＝[y1,y2,…,yn]T∈Rn×t作为多个任务的活性值向量输入；其中，y1,y2,…,yn分别代表第1,2,...,n个配体作用的活性值，Rn×t代表n×t维的空间，T为转置符号；利用多任务学习的方法，构建损失函数约束，进一步得到权重矩阵W，即得到所述的虚拟筛选模型。3.根据权利要求1所述的基于小样本的先导化合物虚拟筛选方法，其特征在于，步骤(2)包括：通过损失函数加入低秩正则化项来约束，得到P矩阵，所述P矩阵是低秩矩阵。4.根据权利要求1所述的基于小样本的先导化合物虚拟筛选方法，其特征在于，步...

【专利技术属性】
技术研发人员：黄婉晴，吴建盛，胡海峰，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32