[發(fā)明專利]化學(xué)品雌激素受體激活活性的預(yù)測(cè)模型及篩查方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011642815.1
• 申請(qǐng)日: 2020-12-30
• 公開（公告）號(hào): CN112634993A
• 公開（公告）日: 2021-04-09
• 發(fā)明（設(shè)計(jì)）人: 劉嫻;王理國(guó);張愛茜;薛嶠;潘文筱
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院生態(tài)環(huán)境研究中心
• 主分類號(hào): G16C10/00
• 分類號(hào): G16C10/00;G16C20/70;G06N3/08;G06N3/04
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 王江選

1.一種化學(xué)品雌激素受體激活活性預(yù)測(cè)模型的建立方法，包括：

S1獲取已知雌激素受體激活活性的化學(xué)品數(shù)據(jù)，其中，所述化學(xué)品數(shù)據(jù)包括化學(xué)品的SMILES編碼；

S2將SMILES編碼轉(zhuǎn)換得到M×N的數(shù)字矩陣；

S3將獲得的已知化學(xué)品的數(shù)字矩陣數(shù)據(jù)分為訓(xùn)練集和驗(yàn)證集，構(gòu)建以SMILES數(shù)字矩陣為輸入的卷積神經(jīng)網(wǎng)絡(luò)模型；

S4使用訓(xùn)練集訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型，使用驗(yàn)證集確定卷積神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)超參數(shù)，得到最優(yōu)卷積神經(jīng)網(wǎng)絡(luò)模型。

2.根據(jù)權(quán)利要求1所述的建立方法，其特征在于，

步驟S1中所述化學(xué)品數(shù)據(jù)還包括化學(xué)品雌激素受體激活活性二元類別。

3.根據(jù)權(quán)利要求1所述的建立方法，其特征在于，

步驟S2中將所述SMILES編碼轉(zhuǎn)換得到M×N的數(shù)字矩陣的方法具體包括：

S2.1將化學(xué)品的SMILES編碼的字符串拆分為單個(gè)字符組成的字符向量；

S2.2設(shè)定字符向量為固定長(zhǎng)度N，若字符向量長(zhǎng)度小于N，則在字符向量后填充字符“0”，使字符向量長(zhǎng)度為N；若字符向量長(zhǎng)度大于N，則取前N個(gè)字符；

S2.3化學(xué)品數(shù)據(jù)中的化學(xué)物共涵蓋M種字符，將該M個(gè)字符按照一定順序排列為字符列表；對(duì)于每個(gè)化學(xué)品，遍歷其長(zhǎng)度為N的SMILES字符向量，根據(jù)字符在字符列表中對(duì)應(yīng)的位置i，將該字符轉(zhuǎn)換為位置i處為1，其余均為0的長(zhǎng)度為M的數(shù)字向量；對(duì)于字符向量后填充的字符“0”，則轉(zhuǎn)換為長(zhǎng)度為M的均為0的數(shù)字向量，得到M×N的數(shù)字矩陣。

4.根據(jù)權(quán)利要求1所述的建立方法，其特征在于，

步驟S3中所述卷積神經(jīng)網(wǎng)絡(luò)模型包括n_cv層的卷積層和n_fc層全連接層。

5.根據(jù)權(quán)利要求4所述的建立方法，其特征在于，

第i層卷積層包含channel_i個(gè)卷積核，卷積核尺寸為channel_i-1×k_i，其中，卷積步長(zhǎng)為stride_i，輸出為大小為channel_i×L_i的數(shù)據(jù)，其中，

其中，將最后一層卷積的輸出大小為的矩陣轉(zhuǎn)換為長(zhǎng)度為的向量作為全連接層的輸入；

其中，全連接層中當(dāng)前層的每一個(gè)結(jié)點(diǎn)都與上一層的所有結(jié)點(diǎn)相連，每層的節(jié)點(diǎn)數(shù)分別為除最后一層外每層輸出均將神經(jīng)網(wǎng)絡(luò)中的線性特征轉(zhuǎn)換為非線性特征；

其中，全連接層的最后一層即輸出層，輸出化學(xué)品雌激素受體激活活性的預(yù)測(cè)值s。

6.根據(jù)權(quán)利要求1所述的建立方法，其特征在于，

步驟S4中所述確定卷積神經(jīng)網(wǎng)絡(luò)模型的最優(yōu)超參數(shù)的方法包括：

S4.1預(yù)設(shè)置一組模型超參數(shù)為{α，λ，P_dp}，其中，α為學(xué)習(xí)率，λ為L(zhǎng)2正則化項(xiàng)參數(shù)，P_dp為隨機(jī)失活比率；

S4.2基于預(yù)設(shè)置合適的超參數(shù)和訓(xùn)練集數(shù)據(jù)迭代訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型；

S4.3使用驗(yàn)證集的化合物對(duì)超參數(shù){α，λ，P_dp}進(jìn)行優(yōu)化，得到最優(yōu)超參數(shù)。

7.根據(jù)權(quán)利要求6所述的建立方法，其特征在于，

步驟S4.3中所述最優(yōu)超參數(shù)為統(tǒng)計(jì)參數(shù)最優(yōu)時(shí)的超參數(shù)；

其中，所述統(tǒng)計(jì)參數(shù)包括真陽(yáng)性、真陰性、假陽(yáng)性、假陰性、敏感性、特異性、準(zhǔn)確率、平衡準(zhǔn)確性中的至少一種。

8.一種化學(xué)品雌激素受體激活活性的預(yù)測(cè)模型，采用如權(quán)利要求1至7任一項(xiàng)所述的建立方法獲得。

9.一種化學(xué)品雌激素受體激活活性的篩查方法，采用如權(quán)利要求8所述的預(yù)測(cè)模型，包括：

將待評(píng)價(jià)化學(xué)品的SMILES編碼，轉(zhuǎn)換成大小為M×N的數(shù)字矩陣后輸入所述的預(yù)測(cè)模型中，得到雌激素受體激活活性預(yù)測(cè)值；

若預(yù)測(cè)值大于或等于預(yù)設(shè)閾值則認(rèn)為化學(xué)品具有雌激素受體激活活性，若預(yù)測(cè)值小于預(yù)設(shè)閾值則認(rèn)為化學(xué)品不具有雌激素受體激活活性。

10.根據(jù)權(quán)利要求9所述的篩查方法，其特征在于，

所述預(yù)設(shè)閾值的確定方法包括：

將若干已知化學(xué)品的SMILES編碼，轉(zhuǎn)換成大小為M×N的數(shù)字矩陣后輸入所述的預(yù)測(cè)模型中，得到雌激素受體激活活性預(yù)測(cè)值集合S；

將S由大到小排序，根據(jù)每個(gè)已知化學(xué)品的預(yù)測(cè)值和對(duì)應(yīng)的活性標(biāo)簽，計(jì)算真陽(yáng)性率和假陽(yáng)性率；以假陽(yáng)性率為x軸，真陽(yáng)性率為y軸，得到接受者操作特性曲線；

接受者操作特性曲線中計(jì)算真陽(yáng)性率相對(duì)于假陽(yáng)性率變化率最大點(diǎn)t所對(duì)應(yīng)的預(yù)測(cè)值s_t作為判定雌激素激活活性的預(yù)設(shè)閾值。