本发明专利技术提供了一种基于多种模态表示学习的中药高内涵筛选资源库管理方法及平台，属于高内涵药物筛选技术领域。本发明专利技术收集整理中药实体方剂、药材、化合物的相关信息，基于文本表示方法、显微图像表示方法以及分子结构表示方法创建各实体的文本表示、显微图像表示和分子结构表示；基于方剂、药材、化合物三个实体之间的关系，建立知识图谱；根据用户输入的问题，利用知识图谱、大语言模型处理得到的中药实体的文本表示，进行智能问答；基于中药实体的显微图像表示，通过无监督方法分析中药的高内涵图像数据；基于中药实体的分子结构表示，发现分子结构相似度大于预设阈值的化合物。能够实现高内涵药物筛选的资源库管理。
【技术实现步骤摘要】
本专利技术涉及高内涵药物筛选，尤其涉及一种基于多种模态表示学习的中药高内涵筛选资源库管理方法及平台。
技术介绍
1、伴随着计算机和自动化技术的发展，新药研发采用自动化实验室应运而生并日趋成熟。目前产业界将自动化实验室发展过程主要分为四个阶段：初级、中级、高级和智慧化阶段。在初级阶段，主要依靠部分仪器设备来构建实验室自动化岛屿。然而，这些岛屿相互孤立，因此在中级阶段，研究人员需要通过串联多个岛屿以开展更复杂的实验。而到了高级阶段，可以基本实现实验全流程的自动化，由功能单一向更加多样化发展。在人工智能技术日趋成熟的当下，产业界和学术界开始展望充分利用ai技术，实现自实施、自适应、自决策，由自动化向智慧化实验室转型。
2、与ai技术的深度融合，需要将生物医药领域的各种数据转换成机器可读可处理的形式。表示学习正是研究如何更好地实施这种转换以服务于各种下游应用的技术。大语言模型的发展，实现了人类可以使用自然语言和机器进行对话，将机器对自然语言文本的理解提升到了一个新的高度。目前还缺少能够实现高内涵药物筛选的资源库管理方法。
r/>技本文档来自技高网...
【技术保护点】
1.一种基于多种模态表示学习的中药高内涵筛选资源库管理方法，其特征在于，包括：
2.根据权利要求1所述的基于多种模态表示学习的中药高内涵筛选资源库管理方法，其特征在于，文本表示的方法包括中文表示方法和英文表示方法，分别用于处理中文文本和英文文本。
3.根据权利要求2所述的基于多种模态表示学习的中药高内涵筛选资源库管理方法，其特征在于，中文表示为使用大语言模型MC-BERT模型对文本进行特征提取，英文表示为使用大语言模型Bioformer模型对文本进行特征提取。
4.根据权利要求1所述的基于多种模态表示学习的中药高内涵筛选资源库管理方法，其特征在于，显微...
【技术特征摘要】
1.一种基于多种模态表示学习的中药高内涵筛选资源库管理方法，其特征在于，包括：
2.根据权利要求1所述的基于多种模态表示学习的中药高内涵筛选资源库管理方法，其特征在于，文本表示的方法包括中文表示方法和英文表示方法，分别用于处理中文文本和英文文本。
3.根据权利要求2所述的基于多种模态表示学习的中药高内涵筛选资源库管理方法，其特征在于，中文表示为使用大语言模型mc-bert模型对文本进行特征提取，英文表示为使用大语言模型bioformer模型对文本进行特征提取。
4.根据权利要求1所述的基于多种模态表示学习的中药高内涵筛选资源库管理方法，其特征在于，显微图像表示，使用了microsnoop模型；使用imagemol创建分子结构表示。
5.根据权利要求1所述的基于多种模态表示学习的中药高内涵筛选资源库管理方法，其特征在于，使用py2neo包构建方剂-药材-化合物之间的知识图谱。
6.根据权利要求1所述的基于多种模态表示学习的中药高内涵筛选资源库管理方法，其...
【专利技术属性】
技术研发人员：王毅，荀德金，金泽华，
申请(专利权)人：浙江大学长三角智慧绿洲创新中心，
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。