公开(公告)号：CN110517790B

公开(公告)日：2023-06-09

申请号：CN201910546943.7

申请日：2019-06-24

Applicant: 江苏大学

Inventor： 冯春来 ,  陈恒巍 ,  季薇 ,  芮蒙杰

IPC: G16H70/40

Abstract: 本发明涉及计算机辅助药物筛选领域，具体地说是涉及一种基于深度学习和基因表达数据的化合物肝毒性的早期预测方法，其包括以下步骤：(1)化合物毒理学基因表达数据的挖掘与预处理；(2)肝毒性特征基因的挑选；(3)基于肝毒性特征基因的表达数据建立深度学习预测模型；(4)模型的参数优化与性能提升。本方法将药物基因组学与人工智能深度学习算法充分结合，克服了传统化合物肝毒性预测方法的局限性，实现了通过基因水平系统地对化合物迟发性肝毒性进行早期预测，从而为新药研发过程中的临床前毒性安全评估及临床合理用药提供一种高效、准确、快速的化合物肝毒性预测方法。

公开(公告)号：CN110517790A

公开(公告)日：2019-11-29

申请号：CN201910546943.7

申请日：2019-06-24

Applicant: 江苏大学

Inventor： 冯春来 ,  陈恒巍 ,  季薇 ,  芮蒙杰

IPC: G16H70/40

Abstract: 本发明涉及计算机辅助药物筛选领域，具体地说是涉及一种基于深度学习和基因表达数据的化合物肝毒性的早期预测方法，其包括以下步骤：(1)化合物毒理学基因表达数据的挖掘与预处理；(2)肝毒性特征基因的挑选；(3)基于肝毒性特征基因的表达数据建立深度学习预测模型；(4)模型的参数优化与性能提升。本方法将药物基因组学与人工智能深度学习算法充分结合，克服了传统化合物肝毒性预测方法的局限性，实现了通过基因水平系统地对化合物迟发性肝毒性进行早期预测，从而为新药研发过程中的临床前毒性安全评估及临床合理用药提供一种高效、准确、快速的化合物肝毒性预测方法。

公开(公告)号：CN111223577A

公开(公告)日：2020-06-02

申请号：CN202010053045.0

申请日：2020-01-17

Applicant: 江苏大学

Inventor： 冯春来 ,  陈恒巍 ,  季薇 ,  芮蒙杰

IPC: G16H70/40 ,  G16H20/10 ,  G16B20/00 ,  G16B25/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习算法和药物基因组学的协同抗肿瘤多药组合效果的预测方法，包括以下步骤：(1)大规模药物基因组学数据挖掘与预处理；(2)不同特征信息的有效整合及建模样本的构建；(3)基于大规模样本数据及深度学习算法构建协同抗肿瘤多药组合预测模型；(4)模型的参数优化与性能提升。本方法将人工智能深度学习算法与药物基因组学有效结合，克服了传统协同药物组合预测方法仅能用于两两药物之间协同作用预测的局限性，实现了能够通过基因水平针对不同肿瘤细胞筛选出特定的协同抗肿瘤多药组合，从而为解决肿瘤耐药性问题提供理论基础与技术支撑，进一步为临床肿瘤治疗提供更多有效的治疗方案。