一种药物成分分析方法及系统技术方案

本发明专利技术提供了一种药物成分分析方法及系统，其中，方法包括：获取靶向蛋白、待检测的靶向药物以及具有所述靶向蛋白的器官轮廓图，对器官轮廓图进行处理得到对靶向药物的空间结构的预测图，再基于靶向药物的官能团实现对靶向药物的分子结构的预测。本发明专利技术的有益效果：通过获取靶向蛋白以及靶向药物以及对应的器官轮廓图，实现了将获取到器官轮廓图中靶蛋白的空间结构，再基于靶蛋白的空间结构和靶向药物的色谱图对靶向药物的分子结构进行预测，实现了对药物成分的空间结构进行预测分析，使得到的药物分子结构更精确。到的药物分子结构更精确。到的药物分子结构更精确。

【技术实现步骤摘要】
一种药物成分分析方法及系统


[0001]本专利技术涉及数字医疗领域，特别涉及一种药物成分分析方法及系统。

技术介绍

[0002]药物发现是确定具有潜在治疗作用的新候选化合物的过程，而药物分子和靶向蛋白质的相互作用（drug
‑
target interactions, DTI）的预测，是药物发现过程中必不可少的一步。然药物分子的疗效取决于它们对靶蛋白或受体的亲和力。对靶蛋白没有任何相互作用或亲和力的药物分子将不能提供治疗反应。对于一些确定有疗效的药物分子的药物成分分析方法主要是通过简单的色谱图以及氢谱图进行分析，然而这种分析方法很难对药物成分的空间结构进行分析，从而导致无法对药物成分进行精确的认定。

技术实现思路

[0003]本专利技术的主要目的为提供一种药物成分分析方法及系统，旨在解决现有药物成分分析方法对药物成分分析精度差的问题。
[0004]本专利技术提供了一种药物成分分析方法，包括：获取靶向蛋白、待检测的靶向药物以及具有所述靶向蛋白的器官轮廓图；将所述器官轮廓图中轮廓上的任意一个像素点记为初始轮廓点，并将所述器官轮廓图中轮廓上的像素点用坐标进行表示，根据各轮廓点的坐标求得所述器官轮廓图中轮廓的轮廓周长；将所述器官轮廓图进行平滑处理，对每个轮廓点进行所述平滑处理的公式为，，，其中为当前坐标点至所述初始轮廓点的弧长为的轮廓点，和分别表示当前坐标点的横坐标和纵坐标，为与归一化处理相关的参数，分别代表平滑后当前坐标点的横坐标和纵坐标，表示弧长偏移距离为的横坐标，为一个距离变量，表示弧长，且0≤≤，L为所述轮廓周长；通过公式计算每个轮廓点所对应的曲率，并根据所述曲率识别所述器官轮廓图的突起，其中，表示对的一阶
导数，表示对的二阶导数，表示对的一阶导数，表示对的二阶导数,表示所述曲率；截取所述突起处的微观图，并将所述微观图输入至预设的空间结构预测模型对所述待检测的靶向药物进行空间结构进行预测，得到多个形状预测结构；其中，所述空间结构预测模型通过不同形状的靶向蛋白以及其对应的目标靶向药物空间结构训练而成；通过太赫兹时域光谱技术获取所述靶向药物的官能团，并将所述官能团作为所述靶向药物的子结构；将所述子结构和所述多个形状预测结构输入至预设的分子结构预测模型中进行预测，得到所述靶向药物的分子结构，从而得到所述靶向药物的药物成分；其中，所述分子结构预测模型通过多种不同的药物分子的官能团，以及其预测结构作为输入，以对应的药物分子的分子结构作为输出训练而成。
[0005]进一步地，所述根据所述曲率识别所述形状的突起的步骤，包括：根据每个所述轮廓点的曲率，将曲率为过零点的轮廓点提取出来作为第一轮廓点，其中，第一轮廓点的相邻点的曲率的乘积为负数；提取所述第一轮廓点的a邻域两侧的离散点，所述离散点分别为Pi
‑
a，Pi
‑
a+1，
…
Pi
‑
1和Pi+1，
…
Pi+a；其中Pi表示所述第一轮廓点；将所述第一轮廓点Pi与离散点Pi
‑
a的连线记为第一线段，将所述第一轮廓点Pi与离散点Pi+a的连线记为第二线段，然后将所述第一线段的中垂线与所述第二线段的中垂线的交点作为所述第一轮廓点的内切圆圆心；计算所述第一轮廓点以及各离散点至所述内切圆圆心的距离，并取各计算得到的距离的平均值作为所述内切圆的半径；判断所述内切圆的半径是否小于预设值；若是，则判定所述第一轮廓点为所述形状的突起。
[0006]进一步地，所述将所述根据各轮廓点的坐标求得所述器官轮廓图中轮廓的轮廓周长的步骤，包括：获取所述器官轮廓图中的所有像素点；获取所述所有像素点对应的像素值；检测每个所述像素点的像素值是否与相邻像素点的像素值都相同；将与相邻像素点的像素值都相同的所述像素点的像素值进行累加作为第一累加值；将所述器官轮廓图中所有像素点的像素值进行累加得到第二累加值，将所述第二累加值减去所述第一累加值得到所述轮廓周长。
[0007]进一步地，所述将所述子结构和所述多个形状预测结构输入至预设的分子结构预测模型中进行预测，得到所述靶向药物的分子结构的步骤之前，还包括：将所述官能团输入至预设的药物组分分析模型中，得到多个目标药物组分；其中，所述药物组分分析模型根据各种药物组分以及对应的官能团训练而成；将各所述目标药物组分输入至所述分子结构预测模型中，分别作为所述分子结构预测模型的输出通道。
[0008]进一步地，所述截取所述突起处的微观图，并将所述微观图输入至预设的空间结构预测模型对所述待检测的靶向药物进行空间结构进行预测，得到多个形状预测结构的步骤，包括：截取所述突起处的微观图；将所述微观图输入至预设的空间结构预测模型对所述待检测的靶向药物进行空间结构进行预测，得到多个所述预测结构以及所述预测结构的置信分值；其中，所述形状预测结构包括所述预测结构以及对应所述预测结构的置信分值。
[0009]本专利技术还提供了一种药物成分分析系统，包括：第一获取模块，用于获取靶向蛋白、待检测的靶向药物以及具有所述靶向蛋白的器官轮廓图；标记模块，用于将所述器官轮廓图中轮廓上的任意一个像素点记为初始轮廓点，并将所述器官轮廓图中轮廓上的像素点用坐标进行表示，根据各轮廓点的坐标求得所述器官轮廓图中轮廓的轮廓周长；平滑模块，用于将所述器官轮廓图进行平滑处理，对每个轮廓点进行所述平滑处理的公式为，，，其中为当前坐标点至所述初始轮廓点的弧长为的轮廓点，和分别表示当前坐标点的横坐标和纵坐标，为与归一化处理相关的参数，分别代表平滑后当前坐标点的横坐标和纵坐标，表示弧长偏移距离为的横坐标，为一个距离变量，表示弧长，且0≤≤，L为所述轮廓周长；计算模块，用于通过公式计算每个轮廓点所对应的曲率，并根据所述曲率识别所述器官轮廓图的突起，其中，表示对的一阶导数，表示对的二阶导数，表示对的一阶导数，表示对的二阶导数,表示所述曲率；截取模块，用于截取所述突起处的微观图，并将所述微观图输入至预设的空间结构预测模型对所述待检测的靶向药物进行空间结构进行预测，得到多个形状预测结构；其中，所述空间结构预测模型通过不同形状的靶向蛋白以及其对应的目标靶向药物空间结构训练而成；第二获取模块，用于通过太赫兹时域光谱技术获取所述靶向药物的官能团，并将所述官能团作为所述靶向药物的子结构；预测模块，用于将所述子结构和所述多个形状预测结构输入至预设的分子结构预
测模型中进行预测，得到所述靶向药物的分子结构，从而得到所述靶向药物的药物成分；其中，所述分子结构预测模型通过多种不同的药物分子的官能团，以及其预测结构作为输入，以对应的药物分子的分子结构作为输出训练而成。
[0010]进一步地，所述计算模块，包括：轮廓点提取子模块，用于根据每个所述轮廓点的曲率，将曲率为过零点的轮廓点提取出来作为第一轮廓点，其中，第一轮廓点的相邻点的曲率的乘积为负数；离散点提取子模块，用于提取所述第一轮廓点的a邻域两侧的离散点，所述离散点分别为Pi
‑
a，Pi
‑
a+1，
…
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种药物成分分析方法，其特征在于，包括：获取靶向蛋白、待检测的靶向药物以及具有所述靶向蛋白的器官轮廓图；将所述器官轮廓图中轮廓上的任意一个像素点记为初始轮廓点，并将所述器官轮廓图中轮廓上的像素点用坐标进行表示，根据各轮廓点的坐标求得所述器官轮廓图中轮廓的轮廓周长；将所述器官轮廓图进行平滑处理，对每个轮廓点进行所述平滑处理的公式为，，，其中为当前坐标点至所述初始轮廓点的弧长为的轮廓点，和分别表示当前坐标点的横坐标和纵坐标，为与归一化处理相关的参数，分别代表平滑后当前坐标点的横坐标和纵坐标，表示弧长偏移距离为的横坐标，为一个距离变量，表示弧长，且0≤≤，L为所述轮廓周长；通过公式计算每个轮廓点所对应的曲率，并根据所述曲率识别所述器官轮廓图的突起；其中，表示对的一阶导数，表示对的二阶导数，表示对的一阶导数，表示对的二阶导数,表示所述曲率；截取所述突起处的微观图，并将所述微观图输入至预设的空间结构预测模型对所述待检测的靶向药物进行空间结构进行预测，得到多个形状预测结构；其中，所述空间结构预测模型通过不同形状的靶向蛋白以及其对应的目标靶向药物空间结构训练而成；通过太赫兹时域光谱技术获取所述靶向药物的官能团，并将所述官能团作为所述靶向药物的子结构；将所述子结构和所述多个形状预测结构输入至预设的分子结构预测模型中进行预测，得到所述靶向药物的分子结构，从而得到所述靶向药物的药物成分；其中，所述分子结构预测模型通过多种不同的药物分子的官能团，以及其预测结构作为输入，以对应的药物分子的分子结构作为输出训练而成。2.如权利要求1所述的药物成分分析方法，其特征在于，所述根据所述曲率识别所述形状的突起的步骤，包括：根据每个所述轮廓点的曲率，将曲率为过零点的轮廓点提取出来作为第一轮廓点，其中，第一轮廓点的相邻点的曲率的乘积为负数；提取所述第一轮廓点的a邻域两侧的离散点，所述离散点分别为Pi
‑
a，Pi
‑
a+1，
…
Pi
‑
1和Pi+1，
…
Pi+a；其中Pi表示所述第一轮廓点；
将所述第一轮廓点Pi与离散点Pi
‑
a的连线记为第一线段，将所述第一轮廓点Pi与离散点Pi+a的连线记为第二线段，然后将所述第一线段的中垂线与所述第二线段的中垂线的交点作为所述第一轮廓点的内切圆圆心；计算所述第一轮廓点以及各离散点至所述内切圆圆心的距离，并取各计算得到的距离的平均值作为所述内切圆的半径；判断所述内切圆的半径是否小于预设值；若是，则判定所述第一轮廓点为所述形状的突起。3.如权利要求1所述的药物成分分析方法，其特征在于，所述将所述根据各轮廓点的坐标求得所述器官轮廓图中轮廓的轮廓周长的步骤，包括：获取所述器官轮廓图中的所有像素点；获取所述所有像素点对应的像素值；检测每个所述像素点的像素值是否与相邻像素点的像素值都相同；将与相邻像素点的像素值都相同的所述像素点的像素值进行累加作为第一累加值；将所述器官轮廓图中所有像素点的像素值进行累加得到第二累加值，将所述第二累加值减去所述第一累加值得到所述轮廓周长。4.如权利要求1所述的药物成分分析方法，其特征在于，所述将所述子结构和所述多个形状预测结构输入至预设的分子结构预测模型中进行预测，得到所述靶向药物的分子结构的步骤之前，还包括：将所述官能团输入至预设的药物组分分析模型中，得到多个目标药物组分；其中，所述药物组分分析模型根据各种药物组分以及对应的官能团训练而成；将各所述目标药物组分输入至所述分子结构预测模型中，分别作为所述分子结构预测模型的输出通道。5.如权利要求1所述的药物成分分析方法，其特征在于，所述截取所述突起处的微观图，并将所述微观图输入至预设的空间结构预测模型对所述待检测的靶向药物进行空间结构进行预测，得到多个形状预测结构的步骤，包括：截取所述突起处的微观图；将所述微观图输入至预设的空间结构预测模型对所述待检测的靶向药物进行空间结构进行预测，得到多个所述预测结构以及所述预测结构的置信分值；其中，所述形状预测结构包括所述预测结构以及对应所述预测结构的置信分值。6.一种药物成分分析系统，其特征在于，包括：第一获取模块...

【专利技术属性】
技术研发人员：张杨，陈桂英，庄炜平，姜宏梁，
申请(专利权)人：武汉宏韧生物医药股份有限公司，
类型：发明
国别省市：