申请/专利权人：中国人民解放军军事科学院国防科技创新研究院

申请日：2022-01-28

公开（公告）日：2024-04-16

公开（公告）号：CN114550847B

主分类号：G16C20/50

分类号：G16C20/50;G16C20/70;G16H70/40;G06N3/042;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.06.14#实质审查的生效;2022.05.27#公开

摘要：本发明公开了一种基于图卷积神经网络的药物口服利用度及毒性预测方法，包括：S1，准备初始训练集；S2，建立药物的图模型，获取训练集；S3，利用训练集训练图卷积神经网络和全连接神经网络，拟合药物的分子描述符及图模型与药物的口服利用度及毒性的映射关系；S4，分别对训练数据中的每个分子描述符特征进行数值修改，利用神经网络对修改后的训练数据进行预测，确定对应的预测值误差；S5，对药物的所有分子描述符特征进行排序，标定位于前序的分子描述符特征，删除未被标定的药物的分子描述符特征，对训练数据进行更新；S6，重新训练步骤S3构建的图卷积神经网络和全连接神经网络。本发明能够得到具有高预测精度的药物口服利用度及毒性预测模型。

主权项：1.一种基于图卷积神经网络的药物口服利用度及毒性预测方法，其特征在于，包括以下步骤：S1，准备初始训练集，其中，初始训练集包括多个初始训练数据，初始训练数据包括药物的分子描述符和SMILES表达式、以及药物的口服利用度和毒性；S2，根据药物的SMILES表达式，建立药物的图模型，获取训练集，其中，训练集包括多个训练数据，训练数据包括药物的分子描述符和药物的图模型、以及药物的口服利用度和毒性；S3，构建图卷积神经网络和全连接神经网络，利用训练集训练图卷积神经网络和全连接神经网络，以拟合药物的分子描述符及图模型与药物的口服利用度及毒性的映射关系，其中，图卷积神经网络的输入为药物的图模型，全连接神经网络的输入为药物的分子描述符和图卷积神经网络的输出，输出为药物的口服利用度及毒性的预测值；S4，针对药物的每一个分子描述符特征，对每个训练数据中对应的分子描述符特征进行数值修改，利用当前训练后的图卷积神经网络和全连接神经网络对修改后的训练数据进行预测，确定当前修改的分子描述符特征所对应的预测值误差；S5，按照预测值误差从小到大的顺序依次对药物的所有分子描述符特征进行排序，标定位于前序的预设数量的药物的分子描述符特征，删除每个训练数据中未被标定的药物的分子描述符特征，对训练数据进行更新；S6，利用更新后的训练数据重新训练步骤S3构建的图卷积神经网络和全连接神经网络，利用训练后的图卷积神经网络和全连接神经网络进行药物口服利用度及毒性预测。

全文数据：

权利要求：

百度查询： 中国人民解放军军事科学院国防科技创新研究院 基于图卷积神经网络的药物口服利用度及毒性预测方法

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