基于群体智能优化模型的分子结构预测方法及相关设备技术

本申请提供一种基于群体智能优化模型的分子结构预测方法及相关设备。该方法包括：获取作用于疾病靶标的待预测化合物集中每个待预测化合物对应的第一分子描述符集；基于每个第一分子描述符集得到对应的第一取值信息集，将全部第一取值信息集作为第一数据信息集；将第一数据信息集输入预先构建的群体智能优化模型进行处理，输出待预测化合物集对应的分子结构信息，其中，群体智能优化模型基于预先构建的构效关系模型和经过预训练分类预测模型进行构建。能够使其在具备良好的生物活性的同时能够符合药代动力学性质和安全性要求，符合作为候选药物的化合物的条件。作为候选药物的化合物的条件。作为候选药物的化合物的条件。

【技术实现步骤摘要】
基于群体智能优化模型的分子结构预测方法及相关设备


[0001]本申请涉及分子结构预测
，尤其涉及一种基于群体智能优化模型的分子结构预测方法及相关设备。

技术介绍

[0002]目前，乳腺癌已经成为了世界上最常见，致死率较高的癌症之一。乳腺癌的发展与雌激素受体密切相关。具体表现为：雌激素受体α亚型在不超过10％的正常乳腺上皮细胞中表达，但大约在50％
‑
80％的乳腺肿瘤细胞中表达。现如今，抗激素治疗常用于雌激素受体α亚型表达的乳腺癌患者，其通过调节雌激素受体活性来控制体内雌激素水平。因此，雌激素受体α亚型被认为是治疗乳腺癌的重要靶标，同时，能够拮抗雌激素受体α亚型活性的化合物可能是治疗乳腺癌的候选药物。
[0003]基于上述情况，现有技术中通常筛选具有潜在活性化合物作为候选药物的化合物，但是一个化合物的活性再好，如果药代动力学性质不佳，比如很难被人体吸收，或者体内代谢速度太快，或者具有某种毒性，那么其仍然难以成为药物。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种基于群体智能优化模型的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于群体智能优化模型的分子结构预测方法，其特征在于，包括：获取作用于疾病靶标的待预测化合物集中每个待预测化合物对应的第一分子描述符集；基于每个所述第一分子描述符集得到对应的第一取值信息集，将全部所述第一取值信息集作为第一数据信息集；将所述第一数据信息集输入预先构建的群体智能优化模型进行处理，输出所述待预测化合物集对应的分子结构信息，其中，所述群体智能优化模型基于预先构建的构效关系模型和经过预训练分类预测模型进行构建。2.根据权利要求1所述的方法，其特征在于，所述疾病靶标为乳腺癌疾病的雌激素受体α亚型靶标。3.根据权利要求1所述的方法，其特征在于，在将所述第一数据信息集输入预先构建的群体智能优化模型之前，所述方法还包括：获取作用于疾病靶标的化合物集中每个化合物对应的第二分子描述符集、第一初始生物活性信息集和初始药代动力性质信息集；基于每个所述第二分子描述符集得到对应的第二取值信息集，将全部所述第二取值信息集作为第二数据信息集；对所述第二数据信息集进行预处理，得到处理后数据集；基于所述处理后数据集构建筛选模型；通过所述筛选模型对所述处理后数据集进行筛选，得到第一筛选数据集；对所述第一筛选数据集进行相关性分析，得到筛选独立数据集；基于所述筛选独立数据集和所述第一初始生物活性信息集构建构效关系模型；基于所述筛选独立数据集和所述初始药代动力性质信息集得到经过预训练的分类预测模型；基于所述构效关系模型和所述分类预测模型构建所述群体智能优化模型。4.根据权利要求3所述的方法，其特征在于，所述对所述第二数据信息集进行预处理，得到处理后数据集，具体包括：对每个所述第二分子描述符集中相同序号的分子描述符对应的取值信息进行筛选，剔除所述取值信息相同序号对应的所述分子描述符，得到对应的第一筛选结果；基于全部所述第一筛选结果剔除取值不完整的序号对应的所述分子描述符，得到对应的第二筛选结果；响应于全部所述第二筛选结果中所述取值信息出现的数量大于预先设置的第一阈值，剔除相应序号的所述分子描述符，得到对应的第三筛选结果，将全部所述第三筛选结果作为所述处理后数据集。5.根据权利要求3所述的方法，其特征在于，所述通过所述筛选模型对所述处理后数据集进行筛选，得到第一筛选数据集，具体包括：将所述处理后数据集输入所述筛选模型，输出对应的所述第二初始生物活...

【专利技术属性】
技术研发人员：潘庆涛，李浩，汤俊，老松杨，詹建军，王浩森，赵子鹏，秦婉亭，万宇，陈曦，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：