基于遗传算法和人工神经网络的药物药代动力学性质和毒性预测方法技术

本发明专利技术提供一种基于遗传算法(Genetic?Algorithm，GA)和人工神经网络(Artificial?Neural?Network，ANN)的药物分子药代动力学性质和毒性预测方法，包括以下步骤：(1)药物分子描述符的计算；(2)药物分子描述符数据集的预处理；(3)药物分子描述符数据集的重新标度；(4)采用集成方法同时对分子描述符和人工神经网络参数进行优化；(5)用选择的最优的药物分子描述符和人工神经网络参数建立模型，预测药物分子药代动力学性质和毒性。本方法充分利用了遗传算法、人工神经网络和计算机的三大优势，使药物分子描述符和人工神经网络参数同时达到优化状态，预测效果和效率大为提高。

【技术实现步骤摘要】

本专利技术涉及计算机辅助药物分子设计领域，具体地说是涉及ー种基于遗传算法和人工神经网络的药物分子药代动力学性质和毒性的预测方法，适用于根据药物分子结构信息对药物分子药代动力学性质和毒性进行预測。
技术介绍
目前国内外一般的预测药物分子药代动力学性质和毒性的方法是直接用人工神经网络建立模型进行预测。这种用単一方法进行的预测只能使人工神经网的參数达到优化状态，而对药物分子描述符不进行优化，这样会产生ニ个问题①不相关的药物分子描述符的干扰问题。在计算的大量的药物分子描述符中，有些药物分子描述符与药物分子药代动力学性质和毒性没有相关性，这些药物分子描述符的加入不仅无法提升模型预测能力，反而干扰模型，导致预测的不准确.因此，输入模型的药物分子描述符并非多多益善，应根据具体情况进行优化.②样本数量问题.当输入模型的药物分子描述符较多吋，则为了得到较好的预测，必须大幅度增加样本，而这在实际中往往难以满足，因为药代动力学和毒性实验数据测试困难、并且费用较高，限制了大量样本的获取。
技术实现思路
为了解决药物分子描述符的优化问题，本专利技术的目的旨在提供ー种。在药物开发的初期，使用计算机预测药物分子的药代动力学性质和毒性，可以减少后期药物开发的风险，降低研发成本。将遗传算法和人工神经网络结合起来，充分利用遗传算法的适者生存原理，及人工神经网络的统计学习能力和计算机快速处理外部巨大数据的独特优势，对药物分子描述符和人工神经网络參数进行优化，使两者都达到优化状态，从而使药物分子药代动力学性质和毒性的预测质量和预测效率大为提高。实践效果证明，本专利技术预测药物分子药代动力学性质和毒性准确率高、省时、省力，且具有较佳推广性和较高时效性的一种预测方法。本专利技术的目的可以通过以下技术方案来实现ー种，包括以下步骤(1)药物分子描述符的计算；(2)药物分子描述符数据集的预处理；以(a)药物分子描述符的值超过90%为零的；(b)与其它药物分子描述符的相关系数大于90%的标准，删除没有研究价值的药物分子描述符；(3)药物分子描述符数据集的重新标度；将描述符数据集映射到区间内， 其映射公式为权利要求1. 一种基于GA和ANN的药物分子药代动力学性质和毒性预测方法，其步骤是(1)药物分子描述符的计算；(2)药物分子描述符数据集的预处理以(a)药物分子描述符的值超过90%为零的； (b)与其它药物分子描述符的相关系数大于90%的标准，删除没有研究价值的药物分子描述符以降低冗余度；(3)药物分子描述符数据集的重新标度；将药物分子描述符数据集映射到区间内，其映射公式为全文摘要本专利技术提供一种基于遗传算法(Genetic Algorithm，GA)和人工神经网络(Artificial Neural Network，ANN)的药物分子药代动力学性质和毒性预测方法，包括以下步骤(1)药物分子描述符的计算；(2)药物分子描述符数据集的预处理；(3)药物分子描述符数据集的重新标度；(4)采用集成方法同时对分子描述符和人工神经网络参数进行优化；(5)用选择的最优的药物分子描述符和人工神经网络参数建立模型，预测药物分子药代动力学性质和毒性。本方法充分利用了遗传算法、人工神经网络和计算机的三大优势，使药物分子描述符和人工神经网络参数同时达到优化状态，预测效果和效率大为提高。文档编号G06N3/12GK102542131SQ20101058339公开日2012年7月4日 申请日期2010年12月7日 优先权日2010年12月7日专利技术者卢小泉, 周喜斌, 姬东琴, 张玲屏, 张翠忠, 李鹏霞, 陈晶, 韩文静 申请人:西北师范大学本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：卢小泉，韩文静，周喜斌，陈晶，李鹏霞，张玲屏，张翠忠，姬东琴，
申请(专利权)人：西北师范大学，
类型：发明
国别省市：