【技术实现步骤摘要】
本专利技术涉及计算机辅助医学领域，尤其是涉及一种基于图卷积神经网络的小分子虚拟筛选方法及系统。
技术介绍
1、药物的设计和开发是各种前沿领域知识的十分复杂的过程，其被认为是一项需要耗费大量时间和人力的跨学科工作，具有高风险、高投入和长周期等特点。随着疾病的多样性以及药物耐药性等问题的出现，对于新药的需求也在日益增加，但是新药物的研发面临着研发周期长、研发成本高以及研发成功率低等众多问题。
2、在传统的药物筛选中，药物的研发起始于对感兴趣疾病靶点的识别，然后是进行高通量筛选(high throughput screening，hts)实验，从而筛选出在小分子化合物数据库中的化合物。随后需要针对先导化合物进行优化，以增加其效力和其他所需特性，例如溶解度，以及消除毒性和脱靶效应。在这些临床前研究完成之后，潜在的候选药物还必须再通过一系列的临床试验才能够成为获批准的药物。通常情况来讲，一个新的药物从最初开始研发到最终成功上市，需要花费数十亿美元和十到十五年的时间。然而在人力物力投入高且耗时长的前提下，小分子药物最终能够上市的成功率却...
【技术保护点】
1.一种基于图卷积神经网络的小分子虚拟筛选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图卷积神经网络的小分子虚拟筛选方法，其特征在于，所述步骤S1中，对获取数据进行的预处理包括对活性化合物和诱饵化合物的分子量、油水分配系数和形式电荷进行平衡。
3.根据权利要求2所述的一种基于图卷积神经网络的小分子虚拟筛选方法，其特征在于，所述平衡包括以下步骤：
4.根据权利要求1所述的一种基于图卷积神经网络的小分子虚拟筛选方法，其特征在于，对获取数据进行预处理后，将数据划分为训练集和测试集，训练集用于训练图卷积神经网络模型，测...
【技术特征摘要】
1.一种基于图卷积神经网络的小分子虚拟筛选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图卷积神经网络的小分子虚拟筛选方法，其特征在于，所述步骤s1中，对获取数据进行的预处理包括对活性化合物和诱饵化合物的分子量、油水分配系数和形式电荷进行平衡。
3.根据权利要求2所述的一种基于图卷积神经网络的小分子虚拟筛选方法，其特征在于，所述平衡包括以下步骤：
4.根据权利要求1所述的一种基于图卷积神经网络的小分子虚拟筛选方法，其特征在于，对获取数据进行预处理后，将数据划分为训练集和测试集，训练集用于训练图卷积神经网络模型，测试集用于评估图卷积神经网络模型。
5.根据权利要求1所述的一种基于图卷积神经网络的小分子虚拟筛选方法，其特征在于，所述步骤s2中，在模型训练前设置好分批处理样本数和初始学习率，模型训练时使用adam优化器加快模型参数寻...
【专利技术属性】
技术研发人员：黄钢，聂生东，张凯睿，吴文辉，王鹏，
申请(专利权)人：南昌中科移动医疗影像研究院，
类型：发明
国别省市：
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。