申请/专利权人：普瑞基准生物医药(苏州)有限公司;普瑞基准科技(北京)有限公司;北京普康瑞仁医学检验所有限公司

申请日：2022-06-23

公开（公告）日：2022-09-06

公开（公告）号：CN114792574B

主分类号：G16H70/40

分类号：G16H70/40;G16H50/30;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2022.09.06#授权;2022.08.12#实质审查的生效;2022.07.26#公开

摘要：本发明公开了基于图神经网络模型预测药物互作所致肝毒性的方法，包括建立基于图神经网络的预测药物互作所致肝毒性的深度学习模型，基于所述深度学习模型进行药物互作所致肝毒性预测，其中，利用基于图神经网络构建的药物分子编码器对两个药物分子编码，通过全连接神经网络预测出两个药物互作所致肝毒性分数，根据预测出的肝毒性分数，判断上述两个药物联用是否会导致肝毒性出现。本发明不仅在一定程度上减少了药物联用临床前毒性研究开发的资金与时间投入，同时还能准确预测出药物联用时的药物互作肝毒性，避免了患者因联用多种药物对肝造成的损伤，减少了在开发新的治疗方案时不必要的药物联用临床实验，提高了临床实验的成功率。

主权项：1.基于图神经网络模型预测药物互作所致肝毒性的方法，其特征在于，包括：S1，建立基于图神经网络的预测药物互作所致肝毒性的深度学习模型；S2，基于所述深度学习模型进行药物互作所致肝毒性预测；所述S1包括：S11，获得建立所述深度学习模型的样本，对所述样本进行预处理获得样本数据；S12，基于所述样本数据构建所述深度学习模型；所述S11包括：S111，从DrugBank数据库中获取药物数据；S112，对所述药物数据进行处理，删除所述药物数据中的非小分子药物数据以及无法使用rdkit读取的药物数据，作为所述样本数据；所述S12包括：S121，深度学习模型训练，所述深度学习模型训练包括至少一轮，每一轮所述深度学习模型训练包括：（1）从所述样本数据中随机选取80%的样本数据作为训练集，剩余20%的样本数据作为测试集，所述训练集用于对所述深度学习模型进行训练，所述测试集用于对所述深度学习模型进行评估；（2）利用基于图神经网络构建的药物分子编码器对所述样本数据进行编码，获得表示药物分子信息的300维表征向量；（3）将所述样本数据中两个药物分子的表征向量相加，得到表征向量A；（4）将所述样本数据中两个药物分子的表征向量相减，得到表征向量B；（5）构建五层全连接神经网络作为所述深度学习模型，将所述表征向量A和所述表征向量B作为所述深度学习模型的输入，预测的肝毒性分数作为所述深度学习模型输出；（6）以二分类交叉熵损失作为目标优化函数，使用Adam优化器作为下降方法，利用所述训练集中的数据训练所述深度学习模型；S122，深度学习模型有效性验证，包括：基于所述测试集中的数据验证所述深度学习模型的有效性，如果所述测试集中真实的肝毒性标签与预测药物肝毒性分数所得的受试者工作特征曲线下面积大于第一阈值，则继续步骤S123，其中，所述第一阈值为0.90；S123，基于所述深度学习模型训练和深度学习模型有效性验证，得到最佳肝毒性分数阈值，从而获得深度学习模型，其中，所述最佳肝毒性分数阈值为0.822。

全文数据：

权利要求：

百度查询： 普瑞基准生物医药(苏州)有限公司;普瑞基准科技(北京)有限公司;北京普康瑞仁医学检验所有限公司 基于图神经网络模型预测药物互作所致肝毒性的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD