-
公开(公告)号:CN106778032B
公开(公告)日:2019-06-04
申请号:CN201710015626.3
申请日:2017-02-17
Applicant: 南京邮电大学
Abstract: 本发明公开了药物设计中配体分子海量特征筛选方法。在基于配体的药物分子虚拟筛选中,由于配体分子数量巨大,使用目前最流行的ECFP方法产生的配体分子指纹特征的维数(每一维特征表示一个子结构)将会是海量的,甚至可达上千万维,在实际任务中会陷入“维数灾难”问题。本方法将使用基于EDPP准则的LASSO方法,对配体分子海量的ECFP分子指纹特征进行筛选,利用鲁棒性选择方法得到配体分子相关特征。配体分子的活性通常与少数子结构有关,本方法将快速并大幅去除不相关特征,选择鲁棒的相关特征,解决“维数灾难”问题,得到与配体活性相关的子结构,推动ECFP方法在药物设计中更广泛的应用。
-
公开(公告)号:CN107862173A
公开(公告)日:2018-03-30
申请号:CN201711129689.8
申请日:2017-11-15
Applicant: 南京邮电大学
IPC: G06F19/00
CPC classification number: G06F19/707 , G06F19/704 , G06F19/705
Abstract: 本发明公开了一种先导化合物虚拟筛选方法和装置。包括先导化合物在药物靶标上的分子指纹的生成和先导化合物与药物靶标相互作用的生物活性的预测。分子指纹生成包括基于模块单元的分子指纹、加权分子指纹和生物活性三个部分。生物活性预测是利用配体分子指纹和生物活性值作为随机森林回归模型的输入,构建了预测模型。另外,本发明的装置包括基于配体的虚拟筛选的通用工具、先导化合物与药物靶标作用的生物活性的预测工具和先导化合物在药物靶标上的分子指纹的生成工具。目前用于生物活性预测、性能优越的分子指纹往往长度较大,而本发明设计的深度学习算法可以生成短的、性能好的分子指纹,得到最好的药物靶标配体的生物活性预测模型。
-
公开(公告)号:CN106778032A
公开(公告)日:2017-05-31
申请号:CN201710015626.3
申请日:2017-02-17
Applicant: 南京邮电大学
IPC: G06F19/00
Abstract: 本发明公开了药物设计中配体分子海量特征筛选方法。在基于配体的药物分子虚拟筛选中,由于配体分子数量巨大,使用目前最流行的ECFP方法产生的配体分子指纹特征的维数(每一维特征表示一个子结构)将会是海量的,甚至可达上千万维,在实际任务中会陷入“维数灾难”问题。本方法将使用基于EDPP准则的LASSO方法,对配体分子海量的ECFP分子指纹特征进行筛选,利用鲁棒性选择方法得到配体分子相关特征。配体分子的活性通常与少数子结构有关,本方法将快速并大幅去除不相关特征,选择鲁棒的相关特征,解决“维数灾难”问题,得到与配体活性相关的子结构,推动ECFP方法在药物设计中更广泛的应用。
-
公开(公告)号:CN107862173B
公开(公告)日:2021-04-27
申请号:CN201711129689.8
申请日:2017-11-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种先导化合物虚拟筛选方法和装置。包括先导化合物在药物靶标上的分子指纹的生成和先导化合物与药物靶标相互作用的生物活性的预测。分子指纹生成包括基于模块单元的分子指纹、加权分子指纹和生物活性三个部分。生物活性预测是利用配体分子指纹和生物活性值作为随机森林回归模型的输入,构建了预测模型。另外,本发明的装置包括基于配体的虚拟筛选的通用工具、先导化合物与药物靶标作用的生物活性的预测工具和先导化合物在药物靶标上的分子指纹的生成工具。目前用于生物活性预测、性能优越的分子指纹往往长度较大,而本发明设计的深度学习算法可以生成短的、性能好的分子指纹,得到最好的药物靶标配体的生物活性预测模型。
-
-
-