【技术实现步骤摘要】
本专利技术涉及深度学习预测药物性质领域，具体涉及一种基于多模态对比学习的p-糖蛋白抑制剂和底物预测方法。
技术介绍
1、p-糖蛋白是一种位于细胞膜上的跨膜蛋白，在肝、肾、小肠、血脑屏障等多种组织中广泛表达，参与药物的吸收、分布、代谢和排泄等过程。它负责将许多有害物质从细胞内排出到细胞外空间，但它也将许多药物推出细胞，其可显著限制或破坏许多药物的活性。鉴于p-gp在药物外排和多药耐药中的关键作用，研究p-gp抑制剂和底物的预测具有重要意义。p-gp抑制剂或底物的活性评估可以通过体内或体外实验获得，然而这些方法具有周期较长、成本高、实验条件不稳定等缺点。因此，迫切需要研发计算方法来辅助p-gp抑制剂和底物的实验筛选。
2、近年来，随着人工智能和化学信息学和发展，机器学习和深度学习方法被越来越多地应用于p-gp抑制剂和底物的预测。然而当前的研究中面临几个显著的挑战。首要挑战在于数据瓶颈，p-gp抑制剂和底物相关的研究数据由于实验环境标准难以统一、存在噪音大等特性，导致现有数据集的质量参差不齐且规模相对有限，这一现状直接限制了预测模...
【技术保护点】
1.一种基于多模态对比学习的P-糖蛋白抑制剂和底物预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态对比学习的P-糖蛋白抑制剂和底物预测方法，其特征在于，步骤1)中，构建P-糖蛋白抑制剂和底物的数据集，具体包括：
3.根据权利要求1所述的基于多模态对比学习的P-糖蛋白抑制剂和底物预测方法，其特征在于，步骤2)中，所述的P-糖蛋白抑制剂和底物预测模型，具体包括：
4.根据权利要求3所述的基于多模态对比学习的P-糖蛋白抑制剂和底物预测方法，其特征在于，步骤2)中，提取分子SMILES序列特征，具体步骤包括：
...【技术特征摘要】
1.一种基于多模态对比学习的p-糖蛋白抑制剂和底物预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多模态对比学习的p-糖蛋白抑制剂和底物预测方法，其特征在于，步骤1)中，构建p-糖蛋白抑制剂和底物的数据集，具体包括：
3.根据权利要求1所述的基于多模态对比学习的p-糖蛋白抑制剂和底物预测方法，其特征在于，步骤2)中，所述的p-糖蛋白抑制剂和底物预测模型，具体包括：
4.根据权利要求3所述的基于多模态对比学习的p-糖蛋白抑制剂和底物预测...
【专利技术属性】
技术研发人员：康玉，张忆雪，侯廷军，吴佳璐，吴振兴，方美静，
申请(专利权)人：浙江大学，
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。