【技术实现步骤摘要】
本专利技术涉及药物设计，尤其是涉及一种基于微分几何与强化学习的癌症靶向药物生成方法。
技术介绍
1、在癌症治疗领域，靶向药物通过与特定靶蛋白(如egfr)结合发挥疗效。然而，靶蛋白的高突变率(如egfrt790m突变)常导致药物脱靶或亲和力下降，使原有药物(如吉非替尼)失效。为应对这一挑战，分子生成技术被广泛用于设计与突变靶蛋白结合的新分子。现有技术包括基于规则的组合化学、分子对接以及机器学习模型(如变分自编码器vae和生成对抗网络gan)。但现有技术存在生成质量不足、三维相互作用建模不足、数据依赖性强、合成可行性低、评估指标不完善、可解释性不足等缺点。
2、针对现有癌症靶向药物分子生成技术在几何精确性不足、化学合理性差、构象多样性有限及亲和力优化不足的问题，本专利技术的目的是提供一种基于微分几何、去噪扩散概率模型和强化学习的分子生成与优化方法。现有技术面临的挑战在于，生成的药物分子往往存在几何结构不精确、化学构造不合理以及亲和力优化不足的问题，这些因素严重影响了药物的效果和临床应用。
技术实现思
<本文档来自技高网...【技术保护点】
1.一种基于微分几何与强化学习的癌症靶向药物生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于微分几何与强化学习的癌症靶向药物生成方法，其特征在于：S1中包括加载参考分子、定义分子表面并采样点云、PCA降维和计算第一基本形式；加载参考分子内容如下：
3.根据权利要求2所述的一种基于微分几何与强化学习的癌症靶向药物生成方法，其特征在于，定义分子表面并采样点云的内容如下：
4.根据权利要求2所述的一种基于微分几何与强化学习的癌症靶向药物生成方法，其特征在于，PCA降维内容如下：
5.根据权利要求4所述的一...
【技术特征摘要】
1.一种基于微分几何与强化学习的癌症靶向药物生成方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于微分几何与强化学习的癌症靶向药物生成方法，其特征在于：s1中包括加载参考分子、定义分子表面并采样点云、pca降维和计算第一基本形式；加载参考分子内容如下：
3.根据权利要求2所述的一种基于微分几何与强化学习的癌症靶向药物生成方法，其特征在于，定义分子表面并采样点云的内容如下：
4.根据权利要求2所述的一种基于微分几何与强化学习的癌症靶向药物生成方法，其特征在于，pca降维内容如下：
5.根据权利要求4所述的一种基于微分几何与强化学习的癌症靶向药物生成方法，...
【专利技术属性】
技术研发人员：柏灿，韩先君，吴子建，黄仁宝，
申请(专利权)人：安徽中医药大学，
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。