[发明专利]基于分子指纹和深度学习的高通量药物虚拟筛选系统

说明书

本发明公开了一种基于分子指纹和深度学习的高通量药物虚拟筛选系统，包括深度学习模型在线建模子系统和在线虚拟筛选子系统。结合分子指纹和深度神经网络方法，建立高通量药物虚拟筛选系统，系统内置结构多样筛选库，实现在线自动建立深度学习模型和虚拟筛选，系统流畅，使用方便，帮助药物化学等从事药物发现人员针对自己的靶点进行快速筛选，获得潜在的活性化合物，加快药物发现。

技术领域

本发明涉及药物研发技术领域，特别是涉及一种基于分子指纹和深度学习的高通量药物虚拟筛选系统。

背景技术

药物研发具有投入大，风险高，周期长的特点，一般而言，一个药物研发周期在10年以上，研发投入在数亿美金，并且呈现逐年上升趋势。近年来深度学习技术在无人驾驶，语音识别，图像识别等领域取得重大突破。同时，深度学习技术在生物医学领域也取得重要进展，利用深度学习在图像识别中的优势，已开发系列基于深度学习在皮肤癌、先天性白内障、儿童自闭症等疾病的诊断应用。制药工业界开始关注利用深度学习技术加速药物研发，降低研发成本。前期研究表明深度学习技术在优化合成路线，预测药物的药代性质，预测药物靶点，虚拟筛选，相比传统机器学习方法(如随机森林，支持向量机，贝叶斯模型等)方面具有优势。

药物筛选是药物发现的关键环节，高通量药物虚拟筛选能大大降低筛选时间和成本，对于加速药物研发具有重要意义。虚拟筛选方法基于结构的虚拟筛选(分子对接)，以及基于配体的虚拟筛选(相似度、药效团、三维定量构效关系，机器学习等)。分子指纹是一种化学结构特征化的方法，初期主要用于化学结构的相似度搜索，后期发现分子指纹在建立药物活性方面具有很好效果，广泛应用于构效关系研究。

发明内容

本发明的目的是提供一种基于分子指纹和深度学习的高通量药物虚拟筛选系统，以提高药物筛选的效率和准确性。

一种基于分子指纹和深度学习的高通量药物虚拟筛选系统，包括深度学习模型在线建模子系统和在线虚拟筛选子系统；

深度学习模型在线建模子系统包括在线建模模块和模型结果模块；

在线建模模块根据用户选择的待建模型的类型、靶点、分子指纹和参数建立相应的模型，待建模型的类型包括定性的分类模型和定量的回归模型；

模型结果模块用于显示模型列表以及单个模型详细信息，模型列表用于查看所有当前用户提交的模型信息，包括模型的编号、数据来源、靶点编号、模型类型、模型的创建时间、完成时间以及模型的状态；单个模型详细信息包括模型的参数以及模型的性能信息，可用于查看模型性能指数训练过程的变化情况；

在线虚拟筛选子系统包括在线筛选模块和筛选结果模块；

在线筛选模块先确定筛选模型和筛选库，再进行筛选，筛选模型通过输入模型编号或者在模型列表中点击跳转的方式确定，筛选库从已有的化合物库中确定，或从用户上传的化合物库中确定；

筛选结果模块用于存储筛选列表和筛选详细信息，筛选列表用于查看筛选模型编号、筛选库名称、筛选模型特征，以及筛选的起止时间；筛选详细信息包括筛选出的化合物的打分和编号。

本发明结合分子指纹和深度神经网络方法，建立高通量药物虚拟筛选系统，系统内置结构多样筛选库，实现在线自动建立深度学习模型和虚拟筛选，系统流畅，使用方便，帮助药物化学等从事药物发现人员针对自己的靶点进行快速筛选，获得潜在的活性化合物，加快药物发现。

附图说明

图1为本发明基于分子指纹和深度学习的高通量药物虚拟筛选系统的结构示意图；

图2为本发明基于分子指纹和深度学习的高通量药物虚拟筛选系统的原理示意图；

图3为本发明基于分子指纹和深度学习的高通量药物虚拟筛选系统的筛选流程示意图；