[发明专利]基于化学信息的化合物的生物响应的自动预测

说明书

缺乏安全性和有效性是两种主要的不需要的生物响应，它们是药物发现和开发中候选药物成功的关键瓶颈。传统的系统和方法涉及无效的探索和化学信息空间的使用，因此可能无法解决安全性和有效性问题。本公开的实施方案提供了对上述瓶颈的有效解决方案，其中使用有效的统计技术有效地探索/搜索化学信息空间，所述有效的统计技术产生包括相关描述符、指纹、片段、优化的结构图像组等的有意义的化学信息。此外，它为生物响应提供了强有力的预测模型，例如，对于给定的实验数据，使用所选择的化学信息以自动方式用于肾毒性，以及可以成功地用于解决候选药物在发现和开发过程中的失败的警报/规则。

相关申请和优先权的交叉引用

本专利申请要求2019年3月22日提交的印度专利申请201921011056的优 先权，其全部内容通过引用并入本文。

技术领域

本公开大体上涉及生物响应的预测，并且更具体地，涉及使用与化合物相 关联的化学信息和数据分析工作流程自动预测化合物的生物响应。

背景技术

缺乏安全性和有效性是药物发现和开发中候选药物失败的两个主要原因。 这些失败可以通过可靠且易于应用的预测性ADMET(生物响应)模型[吸收、 分布、代谢、排泄和毒性]在早期发现阶段解决，因为它们使实验观察合理化。 结构-活性关系模型是一类这样的预测模型，其通常由a)体外(或)体内实验 数据；b)从候选药物的化学结构衍生的大量结构特征以及c)用于执行i)训练 和测试组数据选择以及ii)回归和分类技术的统计技术生成。因此，对从各种实 验中获得的生物数据进行建模，然后预测新化合物的响应，是一个重要的问题， 对这个问题的可靠解决方案将能够更好地理解决定化合物生物响应的潜在生物 过程，例如毒性、抑制浓度(效力)等，并提供降低药物发现和开发成本的潜 力。

除了传统的生物化学实验，最近，计算方法被选择作为一种有前景的方法 用于理解化合物的生物功能/响应，并且还用于预测新化学物质的生物响应，这 种预测是基于对实验数据使用机器学习技术的见解/经验。术语“生物响应”可 以是化学物质的毒性、候选药物在体外试验或基于细胞的试验中对生物靶标的 效力等。它可以被定义为生物系统在体外、离体、体内条件下暴露于化学物质、 候选药物等所表现出的响应。虽然已经使用多种机器学习技术来基于化学结构 预测化合物的生物响应，但是将这些技术中的许多技术用于预测新化合物的响 应的应用并不令人满意。不太令人满意的适用性可归因于1)生物数据的无效预 处理；2)有助于生物响应的化学信息/特征的有限利用3)用于建模研究等的方式(方式包括按有效顺序使用一种或多种数学方法)或数学方法/算法的不适当/ 无效使用。因此，有很多机会通过方案来解决这些局限性，所述方案可以更好 地解决：1)数据组的不平衡性2)数据预处理3)用适当的算法、规则等对化 学信息的有效探索。针对上述挑战的可靠解决方案将导致：a)更好地了解动物 和人类对化合物的生物响应；b)发现有效的新疗法；和c)提供潜力，以最大 限度地减少人类因药物和化学相关的毒性所面临的问题。

发明内容