[發明專利]一種化合物毒性預測模型建模方法、裝置及其應用

在審

• 申請號: 201911128499.3
• 申請日: 2019-11-18
• 公開（公告）號: CN110890137A
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 桑運霞;史偉;宋青芳;臧衛東;劉強
• 申請（專利權）人: 上海爾云信息科技有限公司
• 主分類號: G16C20/50
• 分類號: G16C20/50;G16B5/00
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 朱凌嬌;許亦琳

1.一種化合物毒性預測模型的建模方法，至少包括以下步驟：

步驟S101，提供各候選建模化合物的毒性分類標簽；

步驟S102，提供各候選建模化合物的分子描述符；

步驟S103，提供各候選建模化合物的靶蛋白描述符；

步驟S104，提供各候選建模化合物的定量高通量篩選分析描述符，所述定量高通量篩選分析描述符是指定量高通量篩選的PubChem活動評分；

步驟S105，構建并訓練化合物毒性預測模型：保留同時具有全部描述符和毒性分類標簽的各候選建模化合物，作為建模化合物，構建模型輸入訓練數據集，所述輸入訓練數據集包含建模化合物的全部描述符特征和毒性分類標簽，利用基于集成學習的機器學習算法構建并訓練化合物毒性預測模型；所述全部描述符是指分子描述符、靶蛋白描述符和定量高通量篩選分析描述符。

2.如權利要求1所述的化合物毒性預測模型的建模方法，其特征在于，還包括以下特征中的一項或多項：

a.所述毒性分類標簽包括兩種，其中，GHS毒性分類標簽1-4定義為有毒類標簽，GHS毒性分類標簽5或6定義為無毒類標簽；

b.所述分子描述符的數據源為Tox21公共數據庫的ToxCast-DSSTox數據集；

c.所述定量高通量篩選分析描述符來源于PubChem數據庫；

d.步驟S103中，應用內部隨機森林配體-目標預測算法計算靶蛋白描述符；

e.步驟S105中，應用CatBoost算法構建和訓練毒性預測模型。

3.如權利要求2所述的化合物毒性預測模型的建模方法，其特征在于，所述分子描述符采用下列方法獲得：將各候選建模化合物的結構轉化為pH＝7.4時穩定存在的互變異構體，應用開源藥物分子描述符計算工具計算獲得分子描述符。

4.如權利要求3所述的化合物毒性預測模型的建模方法，其特征在于，還包括以下特征中的一項或多項：步驟S105中，

f.應用基于集成學習的機器學習算法CatBoost，通過預測值更改方法對輸入訓練數據集計算特征重要性，刪除重要性為零的描述符特征，并以通過遞歸特征消除RFE算法篩選出的特征作為模型最終輸入訓練數據集的特征；

g.應用基于貝葉斯優化軟件包，對采用CatBoost算法構建預測模型時涉及到的模型參數進行超參數優化，獲得最優模型參數集合。

5.如權利要求4所述的化合物毒性預測模型的建模方法，其特征在于，應用CatBoost算法構建化合物毒性預測模型，以模型最終輸入訓練數據集的特征及最優模型參數擬合、訓練預測模型，并在輸入訓練集內采用五倍交叉驗證程序來確定最佳概率閾值作為決策邊界。

6.一種化合物毒性預測模型的建模裝置，至少包括以下模塊：

毒性分類標簽提供模塊：用于提供各候選建模化合物的毒性分類標簽；

分子描述符提供模塊：用于提供各候選建模化合物的分子描述符；

靶蛋白描述符提供模塊：用于提供各候選建模化合物的靶蛋白描述符；

定量高通量篩選分析描述符提供模塊：用于提供各候選建模化合物的定量高通量篩選分析描述符，所述定量高通量篩選分析描述符是指定量高通量篩選的PubChem活動評分；

化合物毒性預測模型構建與訓練模塊：用于保留同時具有全部描述符和毒性分類標簽的各候選建模化合物，作為建模化合物，構建模型輸入訓練數據集，所述輸入訓練數據集包含建模化合物的全部描述符特征和毒性分類標簽，利用基于集成學習的機器學習算法構建并訓練化合物毒性預測模型；所述全部描述符是指分子描述符、靶蛋白描述符和定量高通量篩選分析描述符。