Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜山东师范大学王红获国家专利权

恭喜山东师范大学王红获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜山东师范大学申请的专利抗癌候选药物的ADMET性质预测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114496304B

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202210038492.8,技术领域涉及:G16H70/40;该发明授权抗癌候选药物的ADMET性质预测方法及系统是由王红;郑子希设计研发完成,并于2022-01-13向国家知识产权局提交的专利申请。

抗癌候选药物的ADMET性质预测方法及系统在说明书摘要公布了:本发明属于抗癌候选药物抗癌分子ADMET性质数据处理技术领域,提供了一种抗癌候选药物的ADMET性质预测方法及系统。其中,该方法包括获取抗癌候选药物化合物分子描述符信息;对抗癌候选药物化合物分子描述符信息进行多特征提取,筛选出决定ADMET化合物性质的关键特征;对筛选出的关键特征进行ADMET性质分类预测,得到抗癌候选药物的ADMET性质预测结果。

本发明授权抗癌候选药物的ADMET性质预测方法及系统在权利要求书中公布了:1.一种抗癌候选药物的ADMET性质预测方法,其特征在于,包括:获取抗癌候选药物化合物分子描述符信息;对抗癌候选药物化合物分子描述符信息进行多特征提取,筛选出决定ADMET化合物性质的关键特征;对筛选出的关键特征进行ADMET性质分类预测,得到抗癌候选药物的ADMET性质预测结果;基于抗癌候选药物化合物各个分子描述符与提取的各个特征的之间的相关性,来确定出ADMET化合物性质的关键特征;筛选出决定ADMET化合物性质的关键特征的过程为:基于设定特征重要性公式来计算每个特征的重要性,并按降序排序;依据特征重要性剔除预设剔除比例的特征,得到一个新的特征集;对新的特征集重复上述重要性排序及特征剔除过程,直到剩下预设数量的特征;根据得到的各个特征集和特征集对应的袋外误差率,选择袋外误差率最低的特征集,以作为决定ADMET化合物性质的关键特征;设定特征重要性公式为: 其中,代表袋外数据,B代表被抽中的数据,I·代表示性函数,yi代表中的第i个分类标签,代表RF在取完数据之后,进行特征置换后xj的分类标签,hki则代表针对样本集Bk,所预测i的分类标签;所述ADMET化合物性质包括Caco-2、CYP3A4、hERG、HOB和MN的性质;其中,Caco-2表示化合物小肠上皮细胞的渗透性,CYP3A4表示化合物是否能够被CYP3A4代谢,hERG表示化合物是否具有心脏毒性,HOB表示化合物的口服生物利用度,MN表示化合物是否具有遗传毒性;基于随机森林集成模型对抗癌候选药物化合物分子描述符信息进行多特征提取;首先构建随机森林模型,根据ADMET不同性质进行关键特征提取,并得到不同分子描述符的相关系数值,且相关系数值越大,二者之间存在更加明显的正相关;分子描述符分别对Caco-2、CYP3A4、HOB的性质呈正相关,对hERG、MN的性质呈负相关,且对模型的训练参数进行优化;采用随机森林集成模型特征选择得到与ADMET五个性质不同的相关关键特征,然后针对化合物的Caco-2、CYP3A4、hERG、HOB、MN分别建立预测模型;采用性质预测模型对筛选出的关键特征进行ADMET性质分类预测;其中,所述性质预测模型为支持向量机;基于训练集D找到一个划分的超平面,从而将不同类别样本分开,二分类支持向量机的训练集为:D={x1,y1,x2,y2,...,xm,ym},yi∈{-1,,1}其中xi代表第i个输入的向量,yi代表第i个输出的值,m代表样本的个数。构建模型的目的是提供一个回归的函数y=fx,通过一组新输入的xi来预测yi;支持向量回归用下面的公式来表示:存在如下划分超平面:ωTx+b=0其中,ω=w1;w2;...;wd为法向量,d为维度,b为偏置量。此时分类的最大间隔为: s.t.ytωTxi+b≥1,i=1,2,...,m.其中,ω和b为需要求解的超平面参数,ω代表系数向量,b代表位移量,xi代表第i个输入的向量,m代表样本的个数;通过选取适当的核函数Kx,x′和适当的参数C,搭建并求解最优化问题, 0≤at≤C,i=1,2...,m式中,α为核超参数,定义了学习样本间相似性的特征长度尺度,即权重空间视角下特征空间映射前后样本间距离的比例,xi代表第i个输入的向量,yi代表第i个输出的值,m代表样本的个数;得到的最优解:根据选取α*的一个正分量计算阈值: 式中,代表最优核参数,K·代表核函数,xi代表第i个输入的向量,yi代表第i个输出的值,l代表样本个数,b*代表计算阈值;构造决策函数: 式中,sgn·为阶跃函数,代表当前最优核参数,yi代表第i个样本输出值,K·代表核函数,b*代表计算阈值,l代表样本个数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山东师范大学,其通讯地址为:250014 山东省济南市历下区文化东路88号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。