[发明专利]一种分子预测模型的构建方法和计算设备

说明书

本发明公开了一种分子预测模型的构建方法，适于在计算设备中执行，该计算设备中存储有特征类型集合、特征工程集合和预测模型集合，该方法包括步骤：采集特定分子类型的多条分子数据，该分子数据包括性能数据和至少一种特征数据；从特征类型集合、特征工程集合和预测模型集合中任选一个或多个特征类型、特征工程和预测模型进行遍历组合，得到多种组合方式；结合该多条分子数据以及每种组合方式中的特征类型、特征工程和预测模型，对每种组合方式进行训练，得到训练后的模型及模型评价指标；以及根据模型评价指标选取特征类型、特征工程和预测模型的最优组合方式，用于进行同类型分子的性质预测。本发明还一并公开了适于执行该方法的计算设备。

技术领域

本发明涉及药物虚拟筛选领域，尤其涉及一种分子预测模型的构建方法和计算设备。

背景技术

众所周知，药物研发是一个漫长的过程，存在着研发周期长，研发成果率低，研发费用高的困境。而随着计算机技术的更新以及大数据技术的发展，人工智能正在各行各业中发挥巨大的应用价值，在制药行业也受到了广泛的关注。在新药发现过程中，虚拟筛选可以提高活性分子的富集，通过对化合物的性能进行预测，可以节约大量的人力、物力，缩短药物研发周期，加速研究成果的转化，因此近年来已引起科研机构和制药公司的高度重视。

在药物的早期设计阶段，针对某个疾病相关的蛋白质靶点，寻找具有优良活性、成药属性及可合成的药物分子是一个关键工作。而如何能从分子库中快速又准确地筛选出活性优良的药物分子，以实现基于固定靶点的分子化合物活性预测的虚拟筛选，就成为了药物研发工作的重中之重。

发明内容

为此，本发明提供了一种分子预测模型的构建方法和计算设备，以力图解决或至少缓解上面存在的至少一个问题。

根据本发明的一个方面，提供了一种分子预测模型的构建方法，适于在计算设备中执行，所述计算设备中存储有特征类型集合、特征工程集合和预测模型集合，该方法包括步骤：采集特定分子类型的多条分子数据，分子数据包括性能数据和至少一种特征数据；从特征类型集合、特征工程集合和预测模型集合中任选一个或多个特征类型、特征工程和预测模型进行遍历组合，得到多种组合方式；对于每种组合方式，获取该组合方式中的特征类型所对应的特征数据，采用对应的特征工程对该特征数据进行处理，得到样本输入；以性能数据为样本标签，以预测的性能值为样本输出，对该组合方式中的预测模型进行训练，得到训练后的模型及模型评价指标；以及根据模型评价指标选取特征类型、特征工程和预测模型的最优组合方式，用于进行同类型分子的性质预测。

可选地，在根据本发明的方法中，分子类型包括小分子类型和大分子类型，且大分子类型具有多肽、蛋白质、抗体、聚糖、核酸中的至少一种类型，每种分子类型都有对应的特征类型集合和最优组合方式。

可选地，在根据本发明的方法中，还包括同类型分子的性质预测步骤：确定待测分子所属的分子类型及该分子类型的最优组合方式；从该待测分子数据中提取属于该最优组合方式的特征数据；采用该最优组合方式的特征工程对该特征数据进行处理；以及将处理结果输入到该最优组合方式的预测模型中，得到预测的分子性能。

可选地，在根据本发明的方法中，计算设备还存储有每个预测模型的超参数集合，选取特征类型、特征工程和预测模型进行遍历组合的步骤包括：从特征类型集合、特征工程集合、预测模型集合和各预测模型的超参数集合中任选至少一个特征类型、至少一个特征工程、一个预测模型、以及该预测模型下的至少一个超参数进行遍历组合。

可选地，在根据本发明的方法中，基于特征类型、特征工程、预测模型和预测模型下的超参数生成多维搜索空间，该搜索空间中的每一点代表一个组合方式，以便采用该多条分子数据对每个点进行训练。

可选地，在根据本发明的方法中，多条分子数据被划分为训练集和验证集，所述训练集用于训练预测模型，所述验证集用于输出模型评价指标。