公开(公告)号：CN117542542A

公开(公告)日：2024-02-09

申请号：CN202311506205.2

申请日：2023-11-13

Applicant: 福州大学

Inventor： 翁祖铨 ,  钟意 ,  李杲正 ,  叶昭庭

IPC: G16H70/40 ,  G16H50/70

Abstract: 本发明涉及一种基于深度学习的药物代谢相互作用评估方法，采用基于Transformer的网络模型学习分子图及分子模体图的特征，并采用联合注意力机制学习药物间的交互特征来预测药物代谢相互作用，进而预测药物代谢相互作用的类型及药物的代谢水平变化同时解释药物导致代谢相互作用的结构机理。该方法有利于提高用药安全性。

公开(公告)号：CN116612831A

公开(公告)日：2023-08-18

申请号：CN202310742263.9

申请日：2023-06-21

Applicant: 福州大学

Inventor： 翁祖铨 ,  叶昭庭 ,  钟意 ,  苏嘉怡

IPC: G16C20/30 ,  G16C20/50 ,  G16C20/70 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出深度学习结合模式生物斑马鱼的化学物质安全性评估方法，包括以下步骤；步骤S1、收集已知的化合物毒性数据信息形成数据集，划分为多个化合物种类和多个毒性种类，并标注有无毒性；步骤S2、转换数据集中化合物的SMILES分子结构数据，得到化合物的分子图，作为GRU‑GCN网络模型的输入；步骤S3、构建并训练带有注意力机制的双向门控循环单元的图卷积神经深度网络GRU‑GCN；步骤S4、将步骤S2得到的分子图输入到GRU‑GCN网络中，经迭代训练获得GRU‑GCN网络模型的权重参数；步骤S5、使用步骤S4训练好的GRU‑GCN模型，输入需要预测的化合物分子图，待模型提取到结构特征后，通过决策函数输出毒性预测结果；本发明可通过预测化合物对斑马鱼的毒性来筛选出存在安全性隐患的化合物。