-
公开(公告)号：CN113707234B
公开(公告)日：2023-09-05
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：CN114957097A
公开(公告)日：2022-08-30
申请号：CN202210615743.4
申请日：2022-06-01
Applicant: 中南大学
IPC: C07D209/96 , C07D471/10 , C07D491/107
Abstract: 本发明公开了一种吲哚啉类化合物的制备方法，属于有机合成技术领域。本发明的制备方法，包括以下步骤：将吲哚类化合物和炔类化合物在金属催化剂和酸的作用下发生环化反应，制得吲哚啉类化合物。本发明的制备原料，在金属催化剂和酸的共同作用下；发生分子内和分子间[2+2]环化加成；制得了吲哚啉类化合物。本发明制备方法的原子经济性高，选择性高，实现了吲哚啉类化合物的规模化制备；通式本发明的制备原料、金属催化剂和酸便宜易得；从而大大降低了生产成本。
-
公开(公告)号：CN114920728A
公开(公告)日：2022-08-19
申请号：CN202210587486.8
申请日：2022-05-27
Applicant: 中南大学
IPC: C07D401/14 , C07D417/14 , A61K31/427 , A61K31/454 , A61P35/02 , A61P35/00
Abstract: 本发明公开了一种甲异靛衍生物及其制备方法与应用，属于药物化学技术领域；本发明提供了一种甲异靛衍生物(甲异靛PROTAC分子)，以其为活性成分的药物组合物，以及在制备ATM降解剂中的应用，还提供了甲异靛衍生物在制备抗肿瘤药物中的应用，该衍生物通过降解ATM，抑制DNA双链损伤修复，将细胞周期阻滞在G0/G1期，从而诱导细胞凋亡，发挥抗肿瘤作用。
-
公开(公告)号：CN112133447A
公开(公告)日：2020-12-25
申请号：CN202010818121.2
申请日：2020-08-14
Applicant: 中南大学
Abstract: 本申请涉及计算机辅助药物设计技术领域，特别是涉及一种胶体筛选模型的构建方法、装置、计算机设备和存储介质以及胶体筛选方法、装置、计算机设备和存储介质。一个实施例中的方法包括：获取样本数据，样本数据包括胶体聚集化合物样本数据和非胶体聚集化合物样本数据，根据胶体聚集化合物样本数据以及非胶体聚集化合物样本数据，建立定量构效关系；基于定量构效关系、胶体聚集化合物样本数据以及非胶体聚集化合物样本数据，分别采用不同的预设机器学习算法进行模型训练；从已训练的多个机器学习模型中选择最优模型，将最优模型作为胶体筛选模型。后续通过该胶体筛选模型模型进行胶体预测筛选，可以支持胶体的高精度预测筛选。
-
公开(公告)号：CN111383708B
公开(公告)日：2023-05-12
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。
-
Patent Agency Ranking
公开(公告)号：CN111402967A
公开(公告)日：2020-07-10
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，将数据集中的全部分子对接到靶点蛋白中，输出全部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；选择XGBoost算法作为分类模型方法，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：CN111341390A
公开(公告)日：2020-06-26
申请号：CN202010098622.8
申请日：2020-02-18
Applicant: 中南大学
Abstract: 本发明提供了一种定量构效关系辅助匹配分子对分析方法，包括：对分子的结构进行清洗、除盐、去复合物，收集实验数据，并对所述实验数据进行预处理；计算分子描述符，根据所述分子描述符建立定量构效关系模型；根据所述定量构效关系模型预测现有的数据库，扩增实验数据；选出预测准确的分子，将标准偏差作为到定量构效关系模型的距离，从而评估模型的定量构效关系应用域；将挑选出来预测准确的数据和收集的实验数据混合进行匹配分子对分子。本发明解决了匹配分子对分析在小数据上应用得到限制的问题，挖掘出了一些还未被探索的新的化学规则，有更多的知识指导先导化合物的优化，加速了药物设计周期。
-
公开(公告)号：CN112071439B
公开(公告)日：2024-01-02
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：CN112133449A
公开(公告)日：2020-12-25
申请号：CN202010835987.4
申请日：2020-08-19
Applicant: 中南大学
Abstract: 本申请涉及一种诱导肝毒性预测方法、装置、计算机设备及存储介质，所述方法包括：获取待预测化合物的特征信息；将所述特征信息输入肝毒性预测模型，得到所述待预测化合物的肝毒性预测结果；将所述特征信息输入各肝脏不良反应等级预测模型，得到所述待预测化合物的各肝脏不良反应等级预测结果；将所述特征信息输入各肝脏不良反应类别预测模型，得到所述待预测化合物的各肝脏不良反应类别预测结果；根据所述肝毒性预测结果、各所述肝脏不良反应等级预测结果以及各所述肝脏不良反应类别预测结果，确定所述待预测化合物的诱导肝毒性综合预测结果。上述方法对于一个待预测化合物得到了与肝毒性相关的多方面预测结果，使得上述诱导肝毒性预测方法的应用范围更加广泛。
-
公开(公告)号：CN112133367A
公开(公告)日：2020-12-25
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。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
