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。