[發(fā)明專利]面向藥物研發(fā)的數(shù)據(jù)處理方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011085891.7
• 申請日: 2020-10-12
• 公開（公告）號(hào): CN112164430A
• 公開（公告）日: 2021-01-01
• 發(fā)明（設(shè)計(jì)）人: 吳楚楠;徐旻;張佩宇;馬健;溫書豪;賴力鵬
• 申請（專利權(quán)）人: 深圳晶泰科技有限公司
• 主分類號(hào): G16C20/70
• 分類號(hào): G16C20/70
• 代理公司: 深圳市科吉華烽知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44248
• 代理人: 胡吉科

1.一種面向藥物研發(fā)的數(shù)據(jù)處理方法，其特征在于，包括：

數(shù)據(jù)集成：構(gòu)建多種數(shù)據(jù)集成器，根據(jù)不同數(shù)據(jù)采用與其匹配的數(shù)據(jù)訪問方式，獲取數(shù)據(jù)，將獲取的數(shù)據(jù)序列化成字符串推送給數(shù)據(jù)收集管道，數(shù)據(jù)收集管道將獲取的數(shù)據(jù)以批量、異步的方式存儲(chǔ)于數(shù)據(jù)倉庫中，并對(duì)每一個(gè)存儲(chǔ)數(shù)據(jù)記錄標(biāo)定唯一標(biāo)識(shí)，此時(shí)存儲(chǔ)的數(shù)據(jù)為原始數(shù)據(jù)；

數(shù)據(jù)處理：通過觸發(fā)器將存儲(chǔ)在數(shù)據(jù)倉庫中的原始數(shù)據(jù)的唯一標(biāo)識(shí)發(fā)送給數(shù)據(jù)清洗管道，數(shù)據(jù)清洗訂閱者處理數(shù)據(jù)清洗管道中的數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行處理，清洗過程中通過唯一標(biāo)識(shí)訪問原始數(shù)據(jù)的內(nèi)容，將處理后的數(shù)據(jù)存儲(chǔ)于數(shù)據(jù)倉庫中，并加上新的標(biāo)識(shí)，此時(shí)存儲(chǔ)的數(shù)據(jù)為干凈數(shù)據(jù)；

分析：對(duì)數(shù)據(jù)倉庫中的數(shù)據(jù)進(jìn)行分析，并將分析結(jié)果存儲(chǔ)于知識(shí)庫中。

2.根據(jù)權(quán)利要求1所述的面向藥物研發(fā)的數(shù)據(jù)處理方法，其特征在于，所述數(shù)據(jù)處理還包括：將來源于不同數(shù)據(jù)源的分子通過規(guī)律規(guī)則和數(shù)據(jù)補(bǔ)充形成一致的信息列表。

3.根據(jù)權(quán)利要求2所述的面向藥物研發(fā)的數(shù)據(jù)處理方法，其特征在于，所述數(shù)據(jù)處理包括：對(duì)不同源的化合數(shù)據(jù)進(jìn)行合理性檢驗(yàn)、排除規(guī)則檢驗(yàn)、手性分子的手性信息一致性檢驗(yàn)、互變異構(gòu)體的數(shù)據(jù)補(bǔ)充、pKa預(yù)測值的補(bǔ)充的一種或多種處理。

4.根據(jù)權(quán)利要求3所述的面向藥物研發(fā)的數(shù)據(jù)處理方法，其特征在于，所述數(shù)據(jù)處理還包括：

重算：若處理規(guī)則變更，根據(jù)數(shù)據(jù)的唯一標(biāo)識(shí)獲取歷史收集的相關(guān)原始數(shù)據(jù)，通過觸發(fā)器將存儲(chǔ)在數(shù)據(jù)倉庫中的原始數(shù)據(jù)的唯一標(biāo)識(shí)發(fā)送給數(shù)據(jù)清洗管道，根據(jù)變更后的處理規(guī)則進(jìn)行重新處理，得到新的處理后的干凈數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)倉庫中。

5.根據(jù)權(quán)利要求1所述的面向藥物研發(fā)的數(shù)據(jù)處理方法，其特征在于，所述數(shù)據(jù)處理還包括：

聚合：對(duì)不同數(shù)據(jù)源的同一分子進(jìn)行去重，同時(shí)保留其來源信息，對(duì)不同數(shù)據(jù)源中因?yàn)樾畔⒉粚?duì)稱帶來的數(shù)據(jù)不一致的情況進(jìn)行合并。

6.根據(jù)權(quán)利要求5所述的面向藥物研發(fā)的數(shù)據(jù)處理方法，其特征在于，所述分析包括：將清洗、聚合后數(shù)據(jù)，通過化學(xué)物理計(jì)算對(duì)化合物的性質(zhì)進(jìn)行預(yù)測計(jì)算得到的結(jié)果及化合物信息一并存儲(chǔ)到知識(shí)庫中。

7.根據(jù)權(quán)利要求1至6任意一項(xiàng)所述的面向藥物研發(fā)的數(shù)據(jù)處理方法，其特征在于，所述數(shù)據(jù)處理還包括：將處理完后的化合物信息及其相應(yīng)的附屬信息通過CSV組織成一致的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)數(shù)據(jù)倉庫中。

8.根據(jù)權(quán)利要求7所述的面向藥物研發(fā)的數(shù)據(jù)處理方法，其特征在于，所述化合物信息包括：SMILES分子式、化合物來源信息、化合物唯一標(biāo)識(shí)中的一種或多種；所述附屬信息包括：手性、互變異構(gòu)體、是否符合Lipinski’s Rule of Five、是否可購買到的一種或多種信息；

所述數(shù)據(jù)集成器包括：API接口集成器、文件對(duì)象集成器、數(shù)據(jù)流對(duì)象集成器、事件對(duì)象集成器中的一種或多種；

所述API接口集成器實(shí)現(xiàn)的數(shù)據(jù)訪問方式為HTTPS API，根據(jù)文檔要求獲取并解析其返回其結(jié)果，并將返回的內(nèi)容寫成JSON或CSV格式的字符串傳輸?shù)綌?shù)據(jù)收集管道；

所述文件對(duì)象集成器實(shí)現(xiàn)基于文件對(duì)象的數(shù)據(jù)訪問方式，通過下載接口下載得到文件形式的數(shù)據(jù)，完成下載獲取的數(shù)據(jù)、檢驗(yàn)文件下載的完整性并發(fā)送給數(shù)據(jù)收集管道；

所述事件對(duì)象集成器實(shí)現(xiàn)基于事件的數(shù)據(jù)訪問方式，間隔設(shè)定時(shí)間輪訓(xùn)訪問數(shù)據(jù)源的數(shù)據(jù)及更新情況，比對(duì)上次最新數(shù)據(jù)獲取時(shí)間，將新發(fā)布的數(shù)據(jù)通過HTTPS API或文件下載方式獲取并發(fā)送至數(shù)據(jù)收集管道；

所述數(shù)據(jù)流對(duì)象集成器實(shí)現(xiàn)基于流對(duì)象的數(shù)據(jù)訪問方式，獲取能夠給出增量或分頁的數(shù)據(jù)獲取方式的數(shù)據(jù)，記錄上一次訪問數(shù)據(jù)的參數(shù)信息，增量獲取下一次的訪問數(shù)據(jù)。