-
公开(公告)号：CN111292800A
公开(公告)日：2020-06-16
申请号：CN202010069615.5
申请日：2020-01-21
Applicant: 中南大学
Abstract: 本发明公开了一种基于基于预测蛋白质亲和力的分子表征，采用以下方法构建得到：收集蛋白质靶标及其活性数据；选择计算每个蛋白质靶标的多种不同的描述符，并选择多种不同的机器学习算法；将计算的描述符与机器学习算法两两组合，形成多个不同的单一一模型；将单一一模型，计算平均概率值，作为分子与蛋白质靶标的结合强弱值，形成共识模型；在共识模型中，输入待测分子，输出计算靶标谱，形成分子表征。本发明从生物空间的角度阐述分子表征，将化合物和靶标之间的结合亲和力整合到分子表征中，通过机体的整体性预测得到新的活性或者生物信息；利用计算机快速得出结果，相较于基于试验的生物活性分子表征更加快速高效。
-
公开(公告)号：CN112133367B
公开(公告)日：2024-07-12
申请号：CN202010824226.9
申请日：2020-08-17
Applicant: 中南大学
Abstract: 本申请涉及一种药物与靶点间的相互作用关系预测方法及装置，所述方法包括：获取待预测药物‑靶点对，待预测药物‑靶点对包括待预测药物的药物特征，以及待预测靶点的靶点特征；根据药物特征确定待预测药物与已知药物的相似度，根据靶点特征确定待预测靶点与已知靶点的相似度；根据待预测药物与各已知药物的相似度、待预测靶点与各已知靶点的相似度，以及药物与靶点之间的已知相互作用关系，确定待预测药物‑靶点对的相互作用关系预测结果。上述方法通过药物特征、靶点特征以及已知的药物靶点之间相互作用关系来预测药物靶点之间的相互作用关系，无需提前知道靶点蛋白的结构，使得药物‑靶点关系对的预测在实际情况中更容易实现。
-
公开(公告)号：CN114989065B
公开(公告)日：2023-09-29
申请号：CN202210646470.X
申请日：2022-06-09
Applicant: 中南大学
IPC: C07D209/24 , C07D209/14
Abstract: 本发明公开了一种吲哚二聚体类化合物的制备方法，属于化学合成技术领域；本发明的制备方法，包括以下步骤：将式1所示的化合物、金属催化剂和氧化剂混合后，发生二聚化反应，制得吲哚类二聚体类化合物。本发明的制备方法还可用于Gelliunsine类生物碱的合成。本发明的制备方法具有反应时间短，选择性高，可规模化制备，原料和催化剂便宜易得、操作方便的特点，适用于C2‑C8’吲哚类二聚体类化合物和N1‑C8’吲哚类二聚体类化合物的合成。
-
公开(公告)号：CN111402967B
公开(公告)日：2023-04-07
申请号：CN202010169152.X
申请日：2020-03-12
Applicant: 中南大学
Abstract: 本发明公开一种机器学习算法提升对接软件虚拟筛选能力的方法，依照实施虚拟筛选的目标靶点，收集该靶点下小分子数据构成模型训练的数据集，从PDB数据集中下载靶点蛋白；确定实施筛选的对接软件和打分函数，将数据集中的全部小分子数据对接到靶点蛋白中，输出所有打分函数对应的能量辅助项作为机器学习分类模型的输入特征；对于数据集中的正样本和负样本进行分层抽样以使活性分子和非活性分子的比例在训练集和测试集中保持相同；将XGBoost算法作为机器学习分类模型，保留最佳参数组作为最终参数输出该分类模型；将外部小分子数据集与靶点蛋白对接，输出每一化合物的全部能量辅助项作为测试的输入特征；将所有分子的能量辅助项输入到已经训练好的模型输出预测结果。
-
公开(公告)号：CN113707239A
公开(公告)日：2021-11-26
申请号：CN202110992191.4
申请日：2021-08-27
Applicant: 中南大学
Abstract: 本发明属于计算机辅助药物设计技术领域，特别是涉及一种基于药物化学转化规则的先导化合物优化方法。所述方法包括：获取待分析靶点的历史实验数据，根据历史实验数据通过QSAR‑assisted‑MMPA方法获得转换库；获取待改造化合物结构，将转换库的转换规则应用于待改造化合物结构，并根据预设的筛选方法获得最优分子。该方法通过扩增实验数据的转换，并通过循环设计、合成、生物测试的优化化合物结构构成，具有可行性和可靠性，可获得多目标优化的具有期望化学、物理或结构特性的化合物。
-
Patent Agency Ranking
公开(公告)号：CN113707234A
公开(公告)日：2021-11-26
申请号：CN202110992135.0
申请日：2021-08-27
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于机器翻译模型的先导化合物成药性优化方法，属于医疗保健信息学技术领域，具体包括：训练翻译模型；根据机器学习算法建立多个药代动力学终点对应的计算模型，形成预测模型组；将初始分子字符串输入编码器，生成目标矢量；根据接收到的优化指令将目标矢量输入预测模型组，得到优化指令对应的优化预测指标；根据优化预测指标和初始分子字符串对应的计算指标进行加权平均计算，得到初始分子字符串的得分；根据目标矢量和得分，利用优化算法迭代预设次数得到优化分数集合；将优化分数集合输入解码器，利用预设算法计算每个优化矢量对应的字符串，形成目标分子字符串集合。通过本公开的方案，提高了优化效率和适应性。
-
公开(公告)号：CN112071439A
公开(公告)日：2020-12-11
申请号：CN202010837504.4
申请日：2020-08-19
Applicant: 中南大学
IPC: G16H70/40
Abstract: 本申请涉及一种药物副作用关系预测方法、系统、计算机设备和存储介质。该方法包括：获取待测关系对，待测关系对包含一待测药物和一目标副作用；基于待测药物和已知药物的药物信息、以及已知药物副作用关系，确定各种药物维度下待测关系对的第一关联得分；基于目标副作用和已知副作用的副作用信息、以及已知药物副作用关系，确定各种副作用维度下待测关系对的第二关联得分；基于待测药物、已知药物、目标副作用和已知副作用的网络连接信息、以及已知药物副作用关系，确定各种网络连接维度下待测关系对的第三关联得分；根据第一关联得分、第二关联得分以及第三关联得分，预测待测药物与目标副作用是否具有潜在关联。采用本方法能够提高预测准确性。
-
公开(公告)号：CN112053742A
公开(公告)日：2020-12-08
申请号：CN202010716290.5
申请日：2020-07-23
Applicant: 中南大学湘雅医院
Abstract: 本申请涉及一种分子靶标蛋白的筛选方法、装置、计算机设备和存储介质。方法包括：获取目标分子，采用不同靶标预测方式对目标分子进行靶标预测，得到预测靶标蛋白，根据预测靶标蛋白对应的预测方式的数量，对预测靶标蛋白进行筛选，得到目标分子对应的潜在靶标蛋白，获取与潜在靶标蛋白对应的定量构效关系模型，将目标分子输入定量构效关系模型，得到目标分子与潜在靶标蛋白的结合活性概率，根据结合活性概率和预设的概率阈值，从潜在靶标蛋白中筛选出与目标分子匹配的关键靶标蛋白。实现了精准可靠的靶标蛋白的筛选。
-
公开(公告)号：CN112053741A
公开(公告)日：2020-12-08
申请号：CN202010715628.5
申请日：2020-07-23
Applicant: 中南大学湘雅医院
Abstract: 本申请涉及一种荧光酶抑制剂筛选模型构建方法和荧光酶抑制剂筛选方法。所述荧光酶抑制剂筛选模型构建方法包括：获取模型训练集，计算模型训练集的分子描述符，对分子描述符进行特征选择，得到目标分子描述符集，根据目标分子描述符集和至少两种预设算法，建立初始荧光酶抑制剂筛选模型，初始荧光酶抑制剂筛选模型包括单种分子表征模型和组合表征模型，获取模型评估数据集、并根据模型评估数据集对初始荧光酶抑制剂筛选模型的预测能力进行评估，得到荧光酶抑制剂筛选模型。采用本方法能够构建出实用性和可信性高的荧光剂筛选模型。采用荧光酶抑制剂筛选方法，能够快速准确地筛选出非荧光酶抑制剂，节省时间和人力，提高荧光酶抑制剂的检测效率。
-
公开(公告)号：CN111383708A
公开(公告)日：2020-07-07
申请号：CN202010165489.3
申请日：2020-03-11
Applicant: 中南大学
Abstract: 本发明公开了一种基于化学基因组学的小分子靶标预测算法，该算法建立的模型可用于小分子的靶标预测，其中预测模型的构建方法包括建模数据收集、数据正负集的批分、配体蛋白特征的组合、模型构建等。本发明的小分子靶标预测算法是指给定一个预测分子，通过模型得出靶标的预测排名列表，列表中排名越靠前的靶标成为真实靶标的可能性越大。该小分子靶标预测算法通过将涉及不同方面信息的多个模型合并建立一个共识模型，能够获得稳定矫健的靶标预测性能。将其应用预测小分子靶标，预测准确率高。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
