[发明专利]基于分子结构及基因表达的药物IC50深度学习模型预测方法

说明书

本发明公开一种基于分子结构及基因表达的药物IC50深度学习模型预测方法，包括：建立预测药物在不同细胞系中的IC50的深度学习模型；基于深度学习模型进行药物在不同细胞系中的IC50的预测。还公开了预测系统、电子设备及计算机可读存储介质，使用语法变异自动编码器编码药物的化学分子式与使用变异自动编码器编码细胞系表达数据，通过神经网络的方法预测药物在不同细胞系中的IC50，可以直接通过药物的分子信息，预测出药物在不同种类癌症细胞系中IC50的值，可以一定程度上减少临床前开发的资金与时间投入。将模型运用在患者中，可以帮助筛选出药物的适用人群，减少不必要的临床实验，进而提高临床实验的成功率。

技术领域

本发明涉及医疗信息技术领域，尤其涉及一种基于分子结构及基因表达的药物IC50深度学习模型预测方法、系统、电子设备及计算机可读存储介质。

背景技术

据调查，一种新药的研发目前的平均成本为13.59亿美金，平均研发时间为12年，可以看出，研发新药需要大量的资金和时间成本。而对已上市或已经完成了部分研发过程的药物寻找新的适应症是减少研发投入成本的有效方法之一。然而，药物分子作用机制十分复杂，并且在不同细胞尤其是不同的癌症细胞中的作用效果也不尽相同，因此研究药物在不同癌症细胞中的作用通常需要进行耗资巨大、耗时长久和动用大量人力成本的生物实验。现有技术需要通过细胞系实验方法，获取不同细胞系中药物的IC50值（IC50是指细胞数量减少一半时所需药物的浓度。IC50值可以用来衡量药物导致癌细胞凋亡的能力，即导致癌细胞凋亡的能力越强，该数值越低，当然也可以反向说明某种细胞对药物的耐受程度）。在一种癌症细胞系中获取一种药物的IC50值需要多次实验才能得到，而我们目前有数千种癌症细胞系，收集购买这些细胞系都是十分困难的事情。若要得到几百种药物在这些细胞系中的IC50值，更需要进行数十万次的实验，这将耗费大量的人力、物力、财力以及时间的投入。

随着机器学习尤其是机器学习模型或者深度学习技术的发展，越来越多的科学规律可以通过深度学习的方法获得。首先，采用基本的初级计算方法预测IC50以减少投入，例如自然通讯杂志（Nature Communications）上发表的文章“用于准确预测药物反应填补的深度生成神经网络”中揭示的技术方案，仅有训练集的准确率的评估，且效果有限，只有50.65%的药物的预测IC50与真实药物致死量的相关系数大于0.5。

此外，目前样本的IC50值药物实验无法直接应用到患者组织样本上，无法准确预估患者对药物的应答情况。因此需要计算的方法，通过患者组织的表达谱，来预测患者对药物的应答，从而筛选出药物的有效人群，增加了预测方案的复杂度。

因此，可以说现有技术中还没有在药物研制和生物实验方面与深度学习方法进行有效结合的完整的解决方案，以解决准确预测药物分子在不同细胞系中IC50的问题，特别是癌症细胞系中。

发明内容

为了解决现有技术中存在的问题，本发明提供了如下技术方案，使用语法变异自动编码器编码药物的化学分子式与使用变异变动编码器编码细胞系表达数据，通过神经网络的方法预测药物在不同细胞系中的IC50。

本发明一方面提供了一种基于分子结构及基因表达的药物IC50深度学习模型预测方法，包括：

S1，建立预测药物在不同细胞系中的IC50的深度学习模型；

S2，基于所述深度学习模型进行药物在不同细胞系中的IC50的预测。

进一步地，所述细胞系为癌症细胞系。

进一步地，所述S1，建立预测药物在不同细胞系中的IC50的深度学习模型包括：

S11，获得建立所述深度学习模型的样本，对样本进行预处理获得样本数据；以及

S12，构建所述深度学习模型。

进一步地，所述S11包括：