一种基于机器学习预测化合物人体屏障通透性的方法技术

本发明专利技术公开了一种基于机器学习预测化合物人体屏障通透性的方法，所述的人体屏障通透性为血脑屏障通透性，包括：(1)建立化合物血脑屏障通透性评价标准；(2)得到样本标签和样本数据；(3)基于机器学习构建预测模型，利用样本数据对预测模型在样本标签的监督下进行训练，优化预测模型参数；(4)预测待测化合物的血脑屏障通透性。本发明专利技术通过建立化合物血脑屏障通透性标准，将样本按照是否具有血脑屏障通透性进行分类，再建立化合物分子结构特征与其血脑屏障通透性的预测模型来预测化合物的血脑屏障通透性，预测准确度高，应用范围较广，打破了现有技术中血脑屏障渗透性预测模型仅针对药物建立、仅应用于药物血脑屏障通透性预测的现状。状。状。

【技术实现步骤摘要】
一种基于机器学习预测化合物人体屏障通透性的方法


[0001]本专利技术属于化合物属性预测
，尤其涉及一种基于机器学习预测化合物人体屏障通透性的方法。

技术介绍

[0002]脑组织与血液之间形成的可以选择性阻碍物质通过的动态屏障叫做血脑屏障(BBB)，可以阻断绝大部分外源性物质由血液进入脑组织，从而保持脑组织环境与中枢神经系统生理状态。然而，传统的实验方法测定化合物脑血分配系数成本高并且耗时长，无法应用于高通量筛选。鉴于体外血脑屏障实验模型构建的复杂程度，亟需一种能够高通量判定化合物血脑屏障通透性的非实验预测方法，因此采用计算手段预测化合物血脑屏障通透性对于辅助药物设计、污染物心脑血管健康风险评估等领域具有广泛的应用前景。
[0003]公开号为CN112750510A的中国专利文献公开了一种药物血脑屏障渗透性的预测方法；该专利技术结合基团贡献法与人工神经网络，建立人工神经网络模型，利用药物的分子描述符来预测其血脑屏障渗透参数logBB。该专利技术中，分子描述符包括分子结构基团描述符、物理化学性能描述符和生物学描述符，且分子结构基团描本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习预测化合物人体屏障通透性的方法，其特征在于，所述的人体屏障通透性为血脑屏障通透性，包括以下步骤：(1)建立化合物血脑屏障通透性评价标准；(2)采集化合物建立B3DataBase数据集，清洗数据集后根据步骤(1)建立的标准评价数据集中的样本是否具有血脑屏障通透性，将评价结果作为样本标签；导出样本的SMILES表达式后提取样本的特异性分子特征作为样本数据，对样本数据进行预处理；(3)基于机器学习算法构建预测模型，利用预处理后的样本数据对预测模型在样本标签的监督下进行训练，以优化预测模型参数；所述的机器学习算法为多层感知机网络；(4)导出待测化合物的SMILES表达式后提取待测化合物的特异性分子特征，作为待测数据输入至参数优化的预测模型中，预测待测化合物的血脑屏障通透性。2.根据权利要求1所述的基于机器学习预测化合物人体屏障通透性的方法，其特征在于，步骤(1)中，所述的化合物血脑屏障通透性标准为：当logBB＞
‑
1时，表示该化合物具有血脑屏障通透性；当logBB≤
‑
1时，表示该化合物不具有血脑屏障通透性；其中，logBB＝C
blood
/C
brain
logBB为脑血分配系数，C
blood
为血液中化合物浓度，C
brain
为脑组织中化合物浓度。3.根据权利要求...

【专利技术属性】
技术研发人员：庄树林，高雨晨，赵启明，苟艺源，张家晨，
申请(专利权)人：浙江大学，
类型：发明
国别省市：