公开(公告)号：CN110689919B

公开(公告)日：2023-03-17

申请号：CN201910742202.6

申请日：2019-08-13

Applicant: 复旦大学

Inventor： 相小强 ,  袁雅文 ,  张政 ,  常硕 ,  张彦春 ,  李治纲 ,  蔡卫民 ,  田凌浩

IPC: G16B15/30 ,  G16B20/00 ,  G16B40/00

Abstract: 本申请涉及一种基于结构和等级分类的药物蛋白结合率预测方法及系统，包括：(1)数据收集，并对收集到PPB数据值进行处理，并去除重复的药物分子；(2)将药物分子的PPB值分为高结合药物、中结合药物、低结合药物三个等级的数据集；(3)计算分子描述符的数据值，并进行相关性筛选，选出与药物蛋白结合率最相关的一组分子描述符；(4)采用机器学习算法，分别建立三个等级的定量预测模型；(5)将药物分子的分子描述符代入对应等级的定量预测模型，对药物分子的蛋白结合率进行预测。本申请可提高高结合药物PPB预测的准确度，解决现有技术中高结合药物PPB预测准确度低的问题。

公开(公告)号：CN110689919A

公开(公告)日：2020-01-14

申请号：CN201910742202.6

申请日：2019-08-13

Applicant: 复旦大学

Inventor： 相小强 ,  袁雅文 ,  张政 ,  常硕 ,  张彦春 ,  李治纲 ,  蔡卫民 ,  田凌浩

IPC: G16B15/30 ,  G16B20/00 ,  G16B40/00

Abstract: 本申请涉及一种基于结构和等级分类的药物蛋白结合率预测方法及系统，包括：(1)数据收集，并对收集到PPB数据值进行处理，并去除重复的药物分子；(2)将药物分子的PPB值分为高结合药物、中结合药物、低结合药物三个等级的数据集；(3)计算分子描述符的数据值，并进行相关性筛选，选出与药物蛋白结合率最相关的一组分子描述符；(4)采用机器学习算法，分别建立三个等级的定量预测模型；(5)将药物分子的分子描述符代入对应等级的定量预测模型，对药物分子的蛋白结合率进行预测。本申请可提高高结合药物PPB预测的准确度，解决现有技术中高结合药物PPB预测准确度低的问题。