一种基于深度学习融合分子图及分子点云预测药物化合物分子的ADMET性质方法技术

本发明专利技术公开了一种基于深度学习融合分子图及分子点云预测药物化合物分子的ADMET性质方法，包括：获取需要进行药物分子性质预测的候选药物分子的SMILES码；对候选药物分子的SMILES码进行处理；基于候选药物分子的SMILES码中原子数量、化学键的数量生成对应的二维分子图，从候选药物分子的SMILES码中提取药物分子中的原子节点特征以及原子键的边特征，将药物分子中的原子节点特征以及原子键的边特征加入至二维分子图中，得到药物分子图；基于候选药物分子的SMILES码提取候选药物分子相应的点云特征；将药物分子图和候选药物分子相应的点云特征输入至训练好的深度学习模型中，得到候选药物分子的ADMET性质预测结果。

【技术实现步骤摘要】

本专利技术属于人工智能药物研发，具体为一种基于深度学习融合分子图及分子点云预测药物化合物分子的admet性质方法。

技术介绍

1、药物发现是一个耗时长、风险大、成本高、复杂的过程，在药物研发过程中，只有大约不到10％的候选药物能通过临床试验并获批上市。导致药物临床试验失败的因素是多方面的，主要包括缺乏临床疗效、不可控的毒性与副作用等安全性问题、不良的药代动力学特征、以及企业的战略规划因素。药物的药代动力学特征是指药物在人体内的吸收(absorption)、分布(distribution)、代谢(metabolism)、排泄(excretion)的过程，与毒性(toxicity)合称admet性质。admet性质缺陷导致40-45％的临床试验失败，成为除药效因素之外导致临床试验失败最主要的原因。此外，临床药物缺乏疗效的原因之一是不良的药代动力学问题，它关系到了药物是否能够以适当的速度和足够的浓度到达体内靶蛋白，以及是否能够在血液中停留一定时间。admet性质是影响药物临床疗效、评估化合物成药性的重要因素。

2、在传统的药物研发过程中，通常在确定候本文档来自技高网...

【技术保护点】

1.一种基于深度学习融合分子图及分子点云预测药物化合物分子的ADMET性质方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于深度学习融合分子图及分子点云预测药物化合物分子的ADMET性质方法，其特征在于：步骤4中，所述的基于候选药物分子的SMILES码提取候选药物分子相应的点云特征，具体操作包括：

3.根据权利要求1所述的一种基于深度学习融合分子图及分子点云预测药物化合物分子的ADMET性质方法，其特征在于：所述深度学习模型包括位置特征编码器、原子和原子键特征编码器、多任务药物分子性质预测器；

4.根据权利要求3所述的一种基于深度学习融...

【技术特征摘要】

1.一种基于深度学习融合分子图及分子点云预测药物化合物分子的admet性质方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于深度学习融合分子图及分子点云预测药物化合物分子的admet性质方法，其特征在于：步骤4中，所述的基于候选药物分子的smiles码提取候选药物分子相应的点云特征，具体操作包括：

3.根据权利要求1所述的一种基于深度学习融合分子图及分子点云预测药物化合物分子的admet性质方法，其特征在于：所述深度学习模型包括位置特征编码器、原子和原子键特征编码器、多任务药物分子性质预测器；

4.根据权利要求3所述的一种基于深度学习融合分子图及分子点云预测药物化合物分子的admet性质方法，其特征在于：在位置空间特征编码器中，执行以下步骤：

5.根据权利要求3所述的一种基于深度学习融合分子图及分子点云预测药物化合物分子的admet性质方法，其特征在于：在原子和原子键特征编码器中...

【专利技术属性】
技术研发人员：廖俊，范竞，周瑞峰，
申请(专利权)人：中国药科大学，
类型：发明
国别省市：