【技术实现步骤摘要】
本专利技术属于药物筛分，具体涉及一种基于人工智能的药物性质预测方法及装置。
技术介绍
1、药物发现是发现新候选药物的过程，涉及医学、生物学和药理学等领域知识。研究人员一般以涉及疾病状况的生化机制选择目标，然后使用在学术、制药或生物技术研究实验室中发现的候选药进行与药物靶标相互作用的测试。一旦确认药物对目标有效，则通过检查药物对相关疾病的效果验证该药物。每种疾病潜在候选药物可能高达50000到100000个，这些分子都需要经过严格筛选。随着交叉学科思潮出现，人工智能在药物发现领域的应用引起大量研究者的兴趣。通过在药物新化合物制备过程中引入人工智能技术，可以较为客观、准确地预测化合物分子的性质，从而判定预测样本对于特定疾病的疗效与安全性，不仅加速药物开发周期，还提高了研究效率。
2、近些年来，随着药代动力学的发展，药物筛选的效率也逐渐提高，然而，对一种新的具有潜在药用价值的化合物进行测试，需要进行活体检测和实验，耗费大量时间及成本。因此，当前迫切需要一种准确、高效以及低成本的方式来快速鉴别某一分子对生物是否有副作用，能不能成为潜
<本文档来自技高网...【技术保护点】
1.一种基于人工智能的药物性质预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的药物性质预测方法，其特征在于：所述在S1中，根据药物分子的结构数据和性质标签生成分子图结构，通过在分子图结构中搜索特定的子结构，发现官能团的位置以及官能团关系信息，结合官能团特性描述生成分子子图结构。
3.根据权利要求2所述的一种基于人工智能的药物性质预测方法，其特征在于：所述在S2中，分别从分子图结构、分子子图结构中提取特征，并将分子图结构特征和分子子图结构特征结合在一起，构建一个综合的特征向量，在此过程中，通过主成分分析对分子子图结构特征进...
【技术特征摘要】
1.一种基于人工智能的药物性质预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于人工智能的药物性质预测方法，其特征在于：所述在s1中，根据药物分子的结构数据和性质标签生成分子图结构，通过在分子图结构中搜索特定的子结构，发现官能团的位置以及官能团关系信息，结合官能团特性描述生成分子子图结构。
3.根据权利要求2所述的一种基于人工智能的药物性质预测方法，其特征在于：所述在s2中，分别从分子图结构、分子子图结构中提取特征，并将分子图结构特征和分子子图结构特征结合在一起，构建一个综合的特征向量，在此过程中，通过主成分分析对分子子图结构特征进行数据降维，以减少分子子图结构特征的维度和冗余信息。
4.根据权利要求3所述的一种基于人工智能的药物性质预测方法，其特征在于：所述在s2中，特征提取采用性质预测模型构建过程的特征生成方式，以使得提取的特征适用于模型处理，所述在s3中，依据预测结果解析来分析官能团特性对药物性质的影响，为进一步的药物设计和优化提供指导。
5.根据权利要求4所述的一...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。