[發明專利]預測裝置、預測方法、預測程序、學習模型輸入數據生成裝置和學習模型輸入數據生成程序

在審

• 申請號: 201880044194.1
• 申請日: 2018-06-29
• 公開（公告）號: CN110809800A
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 植澤芳廣
• 申請（專利權）人: 學校法人明治藥科大學
• 主分類號: G16C20/30
• 分類號: G16C20/30
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 關旭穎

基于目標化合物的結構適宜地預測目標化合物的活性。預測裝置(100)包括：生成單元(121)，其用虛擬相機相對地從多個方向捕獲目標化合物的結構模型以生成多個捕獲的圖像；和預測單元(123)，其使用學習模型(124)根據由生成單元生成的多個捕獲的圖像預測目標化合物的活性。

發明背景

1.發明領域

本發明的一個方面涉及預測裝置，使用學習模型的預測方法和預測程序，以及學習模型輸入數據生成裝置和學習模型輸入數據生成程序。

2.相關領域描述

每種化學物質的生理活性的差異似乎來源于化學結構。定量結構-活性關系(quantitative structure-activity relationship，QSAR)預測模型用于表示作為數學模型的在化學結構和生理活性之間建立的規律。即使在具有未知生理活性的化學物質中，定量結構-活性關系預測模型的構建也使得能夠在不進行實驗的情況下預測物質的活性(參見專利文獻1至4)。

在構建定量結構-活性關系模型的常規方法中，首先，如下表1中所示，將化學結構轉換為稱為化學結構描述符的各種數值組。然后，通過統計分析或機器學習由化學結構描述符構建數學模型。通常使用專用軟件將化學結構描述符計算為數百至數千種類型。化學結構描述符的組合與定量結構-活性關系預測模型的高通用性直接相關并且是例如手動選擇的。

[表1]

此外，已知用于競爭構建優秀的定量結構-活性關系預測模型的國際活性預測競賽(2014年Tox21數據挑戰(Tox21DataChallenge2014))。

引用文獻列表

專利文獻1：美國專利號7702467

專利文獻2：美國專利號7751988

專利文獻3：美國專利申請公開號2004/0009536

專利文獻4：美國專利申請公開號2004/0199334

發明概述

在相關領域中，如以上所述，需要仔細選擇化學結構描述符的組合以提高預測準確性。當在不選擇化學結構描述符的組合的情況下就可以提高預測準確性會是非常有用的。

鑒于以上問題，已經做出了本發明的一個方面，并且其目標是提供用于基于目標化合物的結構適宜地預測目標化合物的活性的新技術。

為了解決以上問題，根據本發明的一個方面的預測裝置是基于目標化合物的結構預測目標化合物的活性的預測裝置，所述預測裝置包括：生成單元，所述生成單元被配置成用虛擬相機相對地從多個方向捕獲目標化合物的結構模型的圖像以生成多個捕獲的圖像；和預測單元，所述預測單元被配置成使用學習模型根據由生成單元生成的多個捕獲的圖像預測目標化合物的活性。

此外，根據本發明的另一個方面的預測方法是基于目標化合物的結構預測目標化合物的活性的預測方法，所述預測方法包括：通過計算機，用虛擬相機相對地從多個方向捕獲目標化合物的結構模型的圖像以生成多個捕獲的圖像的生成步驟；和通過計算機，使用學習模型根據生成步驟中生成的多個捕獲的圖像預測目標化合物的活性的預測步驟。

另外，根據本發明的又一個方面的學習模型輸入數據生成裝置是生成學習模型的輸入數據的學習模型輸入數據生成裝置，其中學習模型是這樣的學習模型，其被配置成接收通過用虛擬相機相對地從多個方向捕獲目標化合物的結構模型的圖像而得到的多個捕獲的圖像作為輸入，并且輸出目標化合物的活性的預測信息，并且學習模型輸入數據生成裝置包括生成單元，所述生成單元被配置成用虛擬相機相對地從多個方向捕獲目標化合物的結構模型的圖像以生成多個捕獲的圖像。

本發明的一個方面，可以基于目標化合物的結構適宜地預測目標化合物的活性。