-
公开(公告)号：CN119152976A
公开(公告)日：2024-12-17
申请号：CN202411112493.8
申请日：2024-08-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种融合全局和局部信息的联合虚拟筛选方法，属于人工智能药物发现领域，包括以下步骤：首先准备待筛选靶标的活性和非活性分子的SMILES数据集以及随机分子的SMILES数据集；然后选用融合了子结构和物化属性信息的编码方式，分别训练GBDT的全局模型和局部模型；接着使用全局模型预测待筛选数据集，选取预测概率高的TopK1分子；并使用局部模型预测TopK1分子，选取TopK1分子中全局模型预测概率和局部模型预测概率的乘积高的TopK2分子；最后训练预测IC50值的GBDT的回归模型，根据预测值对TopK2分子进行重排序。本发明极大地减少了模型预测的分子数量，具有快速的筛选速度和高筛选精度，适用于小规模和超大规模的虚拟筛选，显著地降低了药物研发的成本和时间。
-
Patent Agency Ranking
公开(公告)号：CN113244966A
公开(公告)日：2021-08-13
申请号：CN202110566114.2
申请日：2021-05-24
Applicant: 南京邮电大学
IPC: B01J31/28 , B01J31/22 , C07C45/68 , C07C49/782
Abstract: 本发明提供一种钯镍钛乙二醇配位聚合物非均相催化剂及其制备方法和应用；本发明提供了一种简单易得的，并可一次性大量制备的钯镍钛乙二醇配位聚合物的微米级棒状非均相催化剂的合成方法。具体的制备步骤如下：首先将钯盐和镍盐溶解于乙二醇形成0.1～0.4mol·L‑1溶液，随后将钛源溶解于上述乙二醇溶液，于室温下持续搅拌制得微米级棒状非均相催化剂材料。该棒状结构长度介于0.8～5μm，直径介于100～120nm。所制得材料可有效催化Suzuki偶联反应，该非均相催化剂催化效率高，回收方便，可重复使用，就用于工业化生产具有重要意义。
-
公开(公告)号：CN113244966B
公开(公告)日：2023-04-07
申请号：CN202110566114.2
申请日：2021-05-24
Applicant: 南京邮电大学
IPC: B01J31/28 , B01J31/22 , C07C45/68 , C07C49/782
Abstract: 本发明提供一种钯镍钛乙二醇配位聚合物非均相催化剂及其制备方法和应用；本发明提供了一种简单易得的，并可一次性大量制备的钯镍钛乙二醇配位聚合物的微米级棒状非均相催化剂的合成方法。具体的制备步骤如下：首先将钯盐和镍盐溶解于乙二醇形成0.1～0.4mol·L‑1溶液，随后将钛源溶解于上述乙二醇溶液，于室温下持续搅拌制得微米级棒状非均相催化剂材料。该棒状结构长度介于0.8～5μm，直径介于100～120nm。所制得材料可有效催化Suzuki偶联反应，该非均相催化剂催化效率高，回收方便，可重复使用，就用于工业化生产具有重要意义。
-
公开(公告)号：CN119400280A
公开(公告)日：2025-02-07
申请号：CN202411371998.6
申请日：2024-09-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于结合模式分析的药物分子虚拟筛选方法，属于人工智能药物发现领域；使用PLIP计算待筛选靶标和小分子之间的结合模式，进行编码，并利用DBSCAN算法对结合模式聚类，识别相似结合模式的化合物群体；在筛选阶段，引入两项关键指标：根据氢键补偿数和AutoDock Vina得分形成能量指标，并根据结合模式中相关残基与关键位点alpha碳原子的相关性作为活性指标，用于评估靶标与小分子之间的结合稳定性和特征活性，对候选分子进行多目标前沿分析；本发明方法显著提高了虚拟筛选的效率和精度，增强了对分子间相互作用的细致分析，适用于小规模和大规模的分子筛选，降低药物研发的成本和时间，丰富虚拟筛选结果的多样性，为后续实验提供更具潜力的候选分子。
-
公开(公告)号：CN116759017A
公开(公告)日：2023-09-15
申请号：CN202310702816.8
申请日：2023-06-14
Applicant: 南京邮电大学
Abstract: 本发明提供了一种多模态药物虚拟筛选方法，包括以下步骤：选择预训练好的图形变换器GT模型，基于公开数据集进行微调图形变换器GT模型；使用主动学习策略挑选分子，并进行Vina‑GPU+对接，利用分子对接得分对图形变换器GT模型进行微调；使用目标靶标的生物活性实验数据对模型微调；对预筛选化合物库分子进行推理；根据分子得分进行排序，根据需要选取前N个分子作为候选化合物。本发明在对大规模的化合物库进行虚拟筛选时，极大地减少了需要对接的分子数目，缩短了虚拟筛选需要的时间，同时可以提高虚拟筛选的精度，显著地降低药物研发的成本和时间。
-
公开(公告)号：CN116720581A
公开(公告)日：2023-09-08
申请号：CN202310707697.5
申请日：2023-06-14
Applicant: 南京邮电大学
IPC: G06N5/022 , G06F18/2411 , G06F18/40 , G06F18/214
Abstract: 本发明提供了一种跨模态知识蒸馏方法，包括以下步骤：选取基于分子图输入的图形变换器GT模型作为教师模型，选取自定义的基于分子序列输入的轻量级的分子线性输入规范变换器ST模型作为学生模型；选取小分子数据集，同时进行SMILES预转换并将处理后的小分子SMILES表示输入分子线性输入规范变换器ST模型；分别选取图形变换器GT模型和分子线性输入规范变换器ST模型的最后三个编码层，进行层层对应的逐层知识蒸馏；训练过程中同时优化注意力迁移器、值关系迁移器与监督任务损失，更新分子线性输入规范变换器ST模型整体权重参数。本发明有效提高了特征的可迁移性，同时极大提高了学生模型的泛化能力。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
