[发明专利]一种药物制剂预测方法

权利要求书

1.一种药物的制剂预测方法，该方法包括以下步骤：

(1)、建立药物制剂信息数据库；

(2)、将药物制剂信息数据库中的数据至少分为两个部分，第一部分作为训练集样本，第二部分作为验证集样本；

(3)、使用步骤(2)中属于训练集样本的数据，通过深度学习方法建立药物制剂的预测方法；

(4)、使用步骤(2)中属于验证集样本，经过步骤(3)中的模型预测，验证并调整该模型；

(5)、使用上述药物制剂预测方法对同类型制剂处方进行预测。

2.根据权利要求1所述的药物制剂预测方法，所述的药物制剂包括片剂、胶囊剂、丸剂、膜剂、颗粒剂、溶液剂、芳香水剂、糖浆剂、注射剂、滴眼剂、滴鼻剂、合剂、洗剂、搽剂、栓剂、气雾剂、喷雾剂、凝胶剂、经皮给药制剂、软膏剂、糊剂、缓控释制剂、微球制剂、脂质体、纳米制剂、靶向制剂、中药制剂、生物药制剂等的一种或几种。

3.根据权利要求1所述的药物制剂预测方法，所述的药物制剂预测包括：药物基本性质、药物体外参数，体内动力学参数或稳定性参数等的一种或几种。

4.根据权利要求1所述的药物制剂预测方法，所述的药物制剂预测参数具体包括：溶解度、油水分配系数、小肠吸收率、崩解时间、体外释放度、药物清除半衰期、清除率、表观分布容积、生物利用度、达峰浓度、达峰时间、血药浓度、血药浓度曲线下面积、物理稳定性、化学稳定性等的一种或几种。

5.根据权利要求1所述的药物制剂预测方法，药物制剂信息数据库中的信息包括药物、辅料、处方及工艺数据，体外参数、体内药动学参数或稳定性参数等。

6.根据权利要求1所述的药物制剂预测方法，在步骤(2)中，使用人工筛选、随机筛选、最大不相似算法、改进后的最大不相似算法中的一种或几种对药物制剂信息数据库中的数据进行样本划分。

7.根据权利要求1所述的药物制剂预测方法，在步骤(2)中，使用改进后的最大不相似算法对药物制剂信息数据库中的数据进行样本划分。

8.根据权利要求1所述的药物制剂预测方法，在步骤(3)中，深度学习包括深度前馈神经网络、深度卷积网络、递归神经网络、深度置信网络、循环神经网络、深度堆叠网络、深度玻尔兹曼机等的一种或几种。

9.根据权利要求1所述的药物制剂预测方法，在步骤(3)中，深度学习算法为深度前馈神经网络。