[發(fā)明專利]一種基于機(jī)器學(xué)習(xí)預(yù)測(cè)化合物人體屏障通透性的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210005174.1
• 申請(qǐng)日: 2022-01-05
• 公開（公告）號(hào): CN114360660A
• 公開（公告）日: 2022-04-15
• 發(fā)明（設(shè)計(jì)）人: 莊樹林;高雨晨;趙啟明;茍藝源;張家晨
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G16C20/30
• 分類號(hào): G16C20/30;G06N20/00
• 代理公司: 杭州天勤知識(shí)產(chǎn)權(quán)代理有限公司 33224
• 代理人: 胡紅娟

本發(fā)明公開了一種基于機(jī)器學(xué)習(xí)預(yù)測(cè)化合物人體屏障通透性的方法，所述的人體屏障通透性為血腦屏障通透性，包括：(1)建立化合物血腦屏障通透性評(píng)價(jià)標(biāo)準(zhǔn)；(2)得到樣本標(biāo)簽和樣本數(shù)據(jù)；(3)基于機(jī)器學(xué)習(xí)構(gòu)建預(yù)測(cè)模型，利用樣本數(shù)據(jù)對(duì)預(yù)測(cè)模型在樣本標(biāo)簽的監(jiān)督下進(jìn)行訓(xùn)練，優(yōu)化預(yù)測(cè)模型參數(shù)；(4)預(yù)測(cè)待測(cè)化合物的血腦屏障通透性。本發(fā)明通過建立化合物血腦屏障通透性標(biāo)準(zhǔn)，將樣本按照是否具有血腦屏障通透性進(jìn)行分類，再建立化合物分子結(jié)構(gòu)特征與其血腦屏障通透性的預(yù)測(cè)模型來預(yù)測(cè)化合物的血腦屏障通透性，預(yù)測(cè)準(zhǔn)確度高，應(yīng)用范圍較廣，打破了現(xiàn)有技術(shù)中血腦屏障滲透性預(yù)測(cè)模型僅針對(duì)藥物建立、僅應(yīng)用于藥物血腦屏障通透性預(yù)測(cè)的現(xiàn)狀。

技術(shù)領(lǐng)域

本發(fā)明屬于化合物屬性預(yù)測(cè)技術(shù)領(lǐng)域，尤其涉及一種基于機(jī)器學(xué)習(xí)預(yù)測(cè)化合物人體屏障通透性的方法。

背景技術(shù)

腦組織與血液之間形成的可以選擇性阻礙物質(zhì)通過的動(dòng)態(tài)屏障叫做血腦屏障(BBB)，可以阻斷絕大部分外源性物質(zhì)由血液進(jìn)入腦組織，從而保持腦組織環(huán)境與中樞神經(jīng)系統(tǒng)生理狀態(tài)。然而，傳統(tǒng)的實(shí)驗(yàn)方法測(cè)定化合物腦血分配系數(shù)成本高并且耗時(shí)長(zhǎng)，無法應(yīng)用于高通量篩選。鑒于體外血腦屏障實(shí)驗(yàn)?zāi)Ｐ蜆?gòu)建的復(fù)雜程度，亟需一種能夠高通量判定化合物血腦屏障通透性的非實(shí)驗(yàn)預(yù)測(cè)方法，因此采用計(jì)算手段預(yù)測(cè)化合物血腦屏障通透性對(duì)于輔助藥物設(shè)計(jì)、污染物心腦血管健康風(fēng)險(xiǎn)評(píng)估等領(lǐng)域具有廣泛的應(yīng)用前景。

公開號(hào)為CN112750510A的中國專利文獻(xiàn)公開了一種藥物血腦屏障滲透性的預(yù)測(cè)方法；該發(fā)明結(jié)合基團(tuán)貢獻(xiàn)法與人工神經(jīng)網(wǎng)絡(luò)，建立人工神經(jīng)網(wǎng)絡(luò)模型，利用藥物的分子描述符來預(yù)測(cè)其血腦屏障滲透參數(shù)logBB。該發(fā)明中，分子描述符包括分子結(jié)構(gòu)基團(tuán)描述符、物理化學(xué)性能描述符和生物學(xué)描述符，且分子結(jié)構(gòu)基團(tuán)描述符通過UNIFAC基團(tuán)貢獻(xiàn)法拆分獲得各個(gè)分子基團(tuán)得到；人工神經(jīng)網(wǎng)絡(luò)為2層隱藏層的ANN。

公開號(hào)為CN112802561A的中國專利文獻(xiàn)公開了一種基于機(jī)器學(xué)習(xí)和集成方法的化合物血腦屏障滲透性預(yù)測(cè)方法：首先進(jìn)行特征提取，將待檢測(cè)的化合物通過分子指紋生成軟件生成指紋序列；再通過低變異特征過濾和高度相關(guān)特征過濾進(jìn)行特征選擇；隨后采用支持向量機(jī)(SVM)、隨機(jī)森林(RF)以及極限梯度提升(XGBoost)分別構(gòu)建三種基分類器模型；最后采用集成方法優(yōu)化模型。該發(fā)明方法預(yù)測(cè)準(zhǔn)確度高，但方法較為復(fù)雜。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于機(jī)器學(xué)習(xí)預(yù)測(cè)化合物人體屏障通透性的方法，打破了現(xiàn)有技術(shù)中血腦屏障滲透性預(yù)測(cè)模型僅針對(duì)藥物建立、僅應(yīng)用于藥物血腦屏障通透性預(yù)測(cè)的現(xiàn)狀，且應(yīng)用范圍廣、預(yù)測(cè)時(shí)間成本低、準(zhǔn)確度高，可實(shí)現(xiàn)批量預(yù)測(cè)。

具體采用的技術(shù)方案如下：

一種基于機(jī)器學(xué)習(xí)預(yù)測(cè)化合物人體屏障通透性的方法，所述的人體屏障通透性為血腦屏障通透性，包括以下步驟：

(1)建立化合物血腦屏障通透性評(píng)價(jià)標(biāo)準(zhǔn)；

(2)采集化合物建立B3DataBase數(shù)據(jù)集，清洗數(shù)據(jù)集后根據(jù)步驟(1)建立的標(biāo)準(zhǔn)評(píng)價(jià)數(shù)據(jù)集中的樣本是否具有血腦屏障通透性，將評(píng)價(jià)結(jié)果作為樣本標(biāo)簽；導(dǎo)出樣本的SMILES表達(dá)式后提取樣本的特異性分子特征作為樣本數(shù)據(jù)，對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理；

(3)基于機(jī)器學(xué)習(xí)算法構(gòu)建預(yù)測(cè)模型，利用預(yù)處理后的樣本數(shù)據(jù)對(duì)預(yù)測(cè)模型在樣本標(biāo)簽的監(jiān)督下進(jìn)行訓(xùn)練，以優(yōu)化預(yù)測(cè)模型參數(shù)；所述的機(jī)器學(xué)習(xí)算法為多層感知機(jī)網(wǎng)絡(luò)；

(4)導(dǎo)出待測(cè)化合物的SMILES表達(dá)式后提取待測(cè)化合物的特異性分子特征，作為待測(cè)數(shù)據(jù)輸入至參數(shù)優(yōu)化的預(yù)測(cè)模型中，預(yù)測(cè)待測(cè)化合物的血腦屏障通透性。

本發(fā)明方法通過建立化合物血腦屏障通透性標(biāo)準(zhǔn)，將樣本按照是否具有血腦屏障通透性進(jìn)行分類，再基于多層感知機(jī)網(wǎng)絡(luò)建立化合物分子結(jié)構(gòu)特征與其血腦屏障通透性的預(yù)測(cè)模型，實(shí)現(xiàn)化合物血腦屏障通透性的批量預(yù)測(cè)；其中，分類操作可以降低計(jì)算復(fù)雜度、提高計(jì)算的穩(wěn)定性；且本發(fā)明方法無需進(jìn)行動(dòng)物或細(xì)胞實(shí)驗(yàn)，模型分類能力優(yōu)異、預(yù)測(cè)準(zhǔn)確度高。