[发明专利]药物设计中配体分子特征筛选装置和筛选方法

权利要求书

1.一种药物设计中配体分子特征筛选方法，其特征在于，包括如下步骤：

(1)获取所需要的初始数据集；

(2)配体分子的特征生成；

(3)获取各个配体药物靶标作用的活性值；

(4)利用多任务学习的方法，进行特征筛选。

2.如权利要求1所述的药物设计中配体分子特征筛选方法，其特征在于，步骤(1)中，所述初始数据集包括生成配体分子特征所需要的smiles，以及得到活性值standard values，并对所得到的活性值v，取-lgv。

3.如权利要求2所述的药物设计中配体分子特征筛选方法，其特征在于，步骤(2)具体包括如下分步骤：

(2.1)对于原始数据集，我们有t个任务，n个样本，每个样本有d维特征；

(2.2)步骤(1)中，从数据库得到初始数据集{x₁,…,x_n}；

(2.3)将得到的配体分子，在这里是各个主体的smiles，利用分子指纹的方法，得到相对应的特征；

(2.4)我们把X＝[x₁…x_n]^T∈R^n×t作为输入的数据特征矩阵。

4.如权利要求3所述的药物设计中配体分子特征筛选方法，其特征在于，步骤(3)进一步包括步骤：

(3.1)读取各配体分子所作用的活性值standard values；

(3.2)我们把Y＝[y₁…y_n]^T∈R^n×t作为输入。

5.如权利要求4所述的药物设计中配体分子特征筛选方法，其特征在于，步骤(4)进一步包括步骤：

(4.1)通过多任务学习的算法，对于输入的X，Y矩阵进行优化；

(4.2)构建损失函数模型，求得权重矩阵W，W＝[w¹,…w^t]∈R^n×t；

(4.3)得到特征筛选的结果。

6.一种药物设计中配体分子特征筛选的装置，其特征在于，所述特征筛选装置包括：

初始模块，用于从数据库得到初始数据集；

配体特征生成模块，用于得到配体分子的特征矩阵；

配体作用活性值生成模块，用于得到各个配体分子所作用的活性值；

基于LASSO的多任务学习算法模块，用于构建损失函数，优化模型，得到权重矩阵，进而得到我们所需要的特征筛选的结果。

7.如权利要求6所述的药物设计中配体分子特征筛选的装置，其特征在于，所述初始模块还包括，对配体分子生成所需smiles的获取模块，对活性值standard values的获取模块。

8.如权利要求6所述的药物设计中配体分子特征筛选的装置，其特征在于，所述特征生成模块还包括配体分子的优化与处理模块，用于对原始数据进行整理，筛除出重复的，无活性值的配体分子。

9.如权利要求6所述的药物设计中配体分子特征筛选的装置，其特征在于，所述配体作用活性值生成模块还包括，对活性值数据整理模块，统一相同的单位，对于重复的配体分子的活性值，求取平均值。

10.如权利要求6所述的药物设计中配体分子特征筛选的装置，其特征在于，所述基于LASSO多任务学习算法生成模块还包括算法模型的选择，加入LASSO，考虑任务与任务，个体与个体之间的相关性，提高了模型的鲁棒性。