[發明專利]一種藥物作用后差異轉錄表達譜及藥物適應癥的預測方法

有效

• 申請號: 202210257005.7
• 申請日: 2022-03-16
• 公開（公告）號: CN114360743B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 季序我;彭鑫鑫;余丹陽
• 申請（專利權）人: 普瑞基準生物醫藥（蘇州）有限公司;普瑞基準科技（北京）有限公司;北京普康瑞仁醫學檢驗所有限公司
• 主分類號: G16H70/40
• 分類號: G16H70/40;G06K9/62;G16B20/00;G16B40/00;G06N3/04;G06N3/08
• 代理公司: 北京動力號知識產權代理有限公司 11775
• 代理人: 董鋼

一種藥物作用后差異轉錄表達譜及藥物適應癥的預測方法，包括：建立預測藥物作用后差異轉錄表達譜的深度學習模型；基于深度學習模型預測藥物作用后差異轉錄表達譜，預測包括不同細胞系、擾動時長與藥物劑量條件下的差異轉錄表達譜；以及將預測獲得的藥物作用后差異轉錄表達譜與已有藥物的差異轉錄表達譜進行相似性比較，預測藥物的適應癥。還公開了對應的系統、電子設備以及可讀存儲介質，直接通過藥物的分子信息，預測藥物在不同種類細胞系、不同劑量、不同處理時間后的差異轉錄表達譜，一定程度上減少臨床前開發的資金與時間投入，與已知適應癥藥物的表達譜進行相似度計算，選出潛在的適應癥，減少不必要的臨床實驗，提高臨床實驗的成功率。

技術領域

本發明涉及用于預測目的的數據處理技術領域，尤其涉及一種藥物作用后差異轉錄表達譜及藥物適應癥的預測方法。

背景技術

據調查，一種新藥的研發目前的平均成本為13.59億美金，平均研發時間為12年，可以看出，研發新藥需要大量的資金和時間成本。而對已上市或已經完成了部分研發過程的藥物尋找新的適應癥是減少研發投入成本的一種有效方法之一。然而，藥物分子作用機制十分復雜，并且在不同細胞尤其是不同的癌癥細胞中的作用效果也不盡相同，因此研究藥物在不同癌癥細胞中的作用通常需要進行耗資巨大、耗時長久和動用大量人力成本的生物實驗。

隨著機器學習尤其是機器學習模型或者深度學習技術的發展，越來越多的科學規律可以通過深度學習的方法獲得。首先，自然人工智能雜志（Nature Intelligence）上發表的文章“用于高通量機制驅動的表型化合物篩選的深度學習框架及其在 COVID-19 藥物再利用中的應用（DeepCE）”中，模型方法只能預測7類不同的細胞系，三種處理時長，三種處理計量的差異轉錄表達譜，且準確率不高，在預測集中與實驗數據的皮爾森相關系數僅有0.51。此外，自然生物技術雜志（Nature Biotechnology）發表的文章“使用深度學習從轉錄譜預測藥物功效”中，模型僅能預測藥物在正常細胞系中的轉錄差異表達譜，無法應用到癌癥細胞系。

因此，可以說現有技術中還沒有在藥物研制和生物實驗方面與深度學習方法進行有效結合的完整的解決方案，以解決基于藥物分子信息在不同癌癥細胞系中，使用不同藥物劑量，在不同處理時間后精準預測差異轉錄表達譜，并進而預測適應癥的問題。

發明內容

為了解決現有技術中存在的問題，本發明提供了如下技術方案，建立預測小分子藥物擾動細胞系實驗的差異轉錄表達譜的深度學習模型，基于深度學習模型進行藥物作用后差異轉錄表達譜的預測，準確預測出在15類不同的細胞系，不同擾動時長與藥物劑量條件下的差異轉錄表達譜；再通過與已有藥物的差異轉錄表達譜進行相似性比較，找出與其相似的藥物的適應癥，進而預測出該藥物可適用的癌癥，進行藥物適應癥預測。該方法可在很大程度上縮短臨床前開發的時間，減少臨床前開發的資金投入；并且通過預測適應癥，可以減少不必要的臨床實驗，提高臨床實驗的成功率，進而可以減少臨床實驗的投入，減少臨床實驗失敗給患者帶來的痛苦。

本發明一方面提供了一種藥物作用后差異轉錄表達譜及藥物適應癥的預測方法，包括：

S1，建立預測藥物作用后差異轉錄表達譜的深度學習模型；

S2，基于所述深度學習模型進行藥物作用后差異轉錄表達譜的預測，所述預測包括在不同細胞系，不同擾動時長與不同藥物劑量條件下的差異轉錄表達譜；以及

S3，將預測獲得的所述藥物作用后差異轉錄表達譜與已有藥物的差異轉錄表達譜進行相似性比較，根據相似性比較結果預測所述藥物的適應癥。

進一步地，所述藥物作用后差異轉錄表達譜適用于小分子藥物擾動細胞系實驗。

進一步地，所述S1，建立預測藥物作用后差異轉錄表達譜的深度學習模型包括：

S11，獲得建立所述深度學習模型的樣本，對樣本進行預處理獲得樣本數據；以及

S12，構建所述深度學習模型。