[发明专利]药物血脑屏障渗透性预测中数据集的建立方法及数据模型

说明书

本发明涉及本发明涉及计算机领域，尤其涉及药物血脑屏障渗透性预测中数据集的建立方法及数据模型，该方法包括：获取病人使用血脑屏障渗透性已知的药物后针对已知的每种神经系统疾病显现的症状数；将所属症状数集合形成所述药物的特征数据集并将所述药物的特征数据集所述药物的血脑屏障渗透性结合成所述药物的特征矩阵；将预设数量的血脑屏障渗透性已知的药物的特征矩阵进行组合形成所述数据集。本发明通过将血脑屏障渗透性已知的药物对血脑屏障的渗透性与所述药物对神经系统疾病的疗效之间进行关联形成数据集，使得数据集适用范围较广，适用该数据集训练的血脑屏障渗透性预测模型也能够更大范围的准确预测药物的血脑屏障渗透性。

技术领域

本发明涉及计算机领域，尤其涉及药物血脑屏障渗透性预测中数据集的建立方法及数据模型。

背景技术

血脑屏障是维持中枢神经系统稳态的严格渗透屏障，确定化合物对血脑屏障的渗透性是神经类药物发现的先决条件，只有确定药物的组成化合物对血脑屏障的渗透性之后，才能预测药物对血脑屏障的渗透性。

现有的对药物的血脑屏障渗透性的预测方法都是通过药物的物理特性和化学结构来进行预测，但是这种方法只适合于通过被动扩散通过血脑屏障的小分子化合物，而对于更多更复杂的渗透途径，该方法则无能为力。

由此可见，现有对药物的血脑屏障渗透性的预测方法中数据集范围太窄，使得预测方法的使用局限性较大，无法满足现代医学的需求。

发明内容

本发明的目的在于克服现有技术的缺陷，提供一种药物血脑屏障渗透性预测中数据集的建立方法及数据模型，以解决上述技术问题。

本发明实施例提供一种药物血脑屏障渗透性预测中数据集的建立方法，包括：

获取病人使用血脑屏障渗透性已知的药物后针对已知的每种神经系统疾病显现的症状数；

将所述症状数集合形成所述药物的特征数据集，并将所述药物的特征数据集所述药物的血脑屏障渗透性结合成所述药物的特征矩阵；

将预设数量的血脑屏障渗透性已知的药物的特征矩阵进行组合形成所述数据集。

本发明实施例还提供一种药物血脑屏障渗透性的预测模型，所述预测模型为深度学习四层网络模型，采用上述一种药物血脑屏障渗透性预测中数据集的建立方法建立的数据集训练而成。

本发明实施例还提供一种药物血脑屏障渗透性的预测方法，采用上述一种药物血脑屏障渗透性的预测模型对所述药物的血脑屏障渗透性进行预测，包括：

获取待预测药物的特征数据；

利用所述药物血脑屏障渗透性的预测模型对所述特征数据进行预测，得到所述药物的血脑屏障渗透性结果；

输出所述药物的血脑屏障渗透性结果。

本发明实施例还提供一种药物血脑屏障渗透性的预测装置，采用上述一种药物血脑屏障渗透性的预测方法对药物进行血脑屏障渗透性预测，包括：

信息接收单元，用于获取待预测药物的特征数据；

信息处理单元，用于利用所述药物血脑屏障渗透性的预测模型对所述特征数据进行预测，得到所述药物的血脑屏障渗透性结果；

信息输出单元，用于输出所述药物的血脑屏障渗透性结果。

本发明实施例还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述一种药物血脑屏障渗透性的预测方法的步骤。

本发明实施例还提供一种计算机可读存储介质，，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述一种药物血脑屏障渗透性的预测方法的步骤。