申请/专利权人：之江实验室;中南大学

申请日：2023-12-26

公开（公告）日：2024-04-09

公开（公告）号：CN117854630A

主分类号：G16C20/50

分类号：G16C20/50;G16C20/70;G06F18/27;G06F18/241;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本申请涉及人工智能系统技术领域，公开了基于人工智能的多靶点药物发现系统，包括，a.序列生成模型，用于生成具有特定药理学特性的新分子序列，通过学习分子的序列信息，以自回归的方式生成所需分子序列；b.模型预训练模块，用于学习分子的基本表示形式，通过预测现有通用数据库中分子的序列表示形式，确保生成的分子序列符合SMILESSELFIES分子序列语法；c.双对比分类器，用于评估生成的分子序列与两个靶点分子的相关性，通过判别器的预测结果来确定生成的分子是否满足多个靶点条件。通过高质量的多靶点分子生成、多目标分子生成优化和分子性质满足双靶点条件等有益效果，提高分子质量和多目标性能，为研发具有多重治疗效果的药物提供新方向。

主权项：1.基于人工智能的多靶点药物发现系统，其特征在于，包括，a.序列生成模型，用于生成具有特定药理学特性的新分子序列，通过学习分子的序列信息，以自回归的方式生成所需分子序列；b.模型预训练模块，用于学习分子的基本表示形式，通过预测现有通用数据库中分子的序列表示形式，确保生成的分子序列符合SMILESSELFIES分子序列语法；c.双对比分类器，用于评估生成的分子序列与两个靶点分子的相关性，通过判别器的预测结果来确定生成的分子是否满足多个靶点条件；d.经验回放缓冲区，用于存储生成的分子序列和靶点分子的示范数据，以供训练模型使用；e.逆强化学习算法，采用强化学习的PPO算法对生成模型进行优化，同时使用交叉熵损失来优化双对比分类器，将双对比分类器的输出作为强化学习的奖励函数。

全文数据：

权利要求：

百度查询： 之江实验室;中南大学 基于人工智能的多靶点药物发现系统

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