公开(公告)号：CN110689965A

公开(公告)日：2020-01-14

申请号：CN201910956294.8

申请日：2019-10-10

Applicant: 电子科技大学

Inventor： 李巧勤 ,  刘勇国 ,  杨尚明 ,  李杨 ,  兰荻 ,  蔡茁

IPC: G16H70/40 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的药物靶点亲和力预测方法，涉及药物靶点亲和力预测技术领域，其包括：从Davis数据集和KIBA数据集中获取药物化合物和靶点蛋白质数据；对化合物进行编码，使用位置特异性打分矩阵表示蛋白质；将化合物标签编码输入CNN模型中，对化合物进行特征提取，得到化合物的分子表示；将蛋白质的位置特异性打分矩阵输入LSTM模型中，对蛋白质序列进行特征提取，学习蛋白质结构中氨基酸之间的次序关系以及蛋白质序列上的残基之间的关系，得到蛋白质的序列表示；将化合物的分子表示和蛋白质的序列表示同时输入到全连接层中，对化合物和蛋白质相互作用的亲和力进行预测。该方法能更准确地预测药物和靶点之间的亲和力关系。

公开(公告)号：CN110277175A

公开(公告)日：2019-09-24

申请号：CN201910574252.8

申请日：2019-06-28

Applicant: 电子科技大学

Inventor： 李巧勤 ,  刘勇国 ,  蒋羽 ,  杨尚明 ,  何家欢 ,  蔡茁 ,  李杨

IPC: G16H70/40 ,  G06N3/04

Abstract: 本发明公开了一种基于深度信念网络的中药不良作用识别方法。本发明能够对中药不良作用进行有效的整理和归纳，有助于中药不良作用实体数据库构建。并将传统的中药毒副作用研究与人工智能方法进行有机的统一，实现对于药物不良作用实体的全自动提取，减少人工提取药物不良作用的时间以及经济损耗，实现了在中药不良作用实体识别研究方法学上的优化。后期，本发明也可以根据不同中药文献集，实现针对特定中药的不良作用识别和关系挖掘，可以有效适用于各种中医药文献，不需要重新训练深度信念网络模型，可以直接从输入中药文献中识别并提取出药物不良作用实体。