【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 ...
【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:
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。