买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：首都医科大学附属北京儿童医院;北京大学

摘要：本发明提供了一种药源性免疫性血小板减少毒性预测模型、方法及系统，涉及计算化学技术领域，预测模型的构建方法主要包括：整合药源性血小板减少源数据库，构建第一数据库；对符合纳入排除标准的药物进行清洗筛选，得到第二数据库；生成多种类型的分子描述符；将第二数据库中的化合物按照预设比例随机划分为训练集和外部测试集；通过不同机器学习算法，构建、训练并测试QSAR分类模型；按照模型的评价参数进行排序，选择其中前N个QSAR分类模型组合成共识模型，用于预测药物或化合物是否具有DIIT毒性。本申请可以对药物或化合物是否具有药源性免疫性血小板减少毒性进行可靠预测，提升了相关药物的研制效率，降低了相关药物的使用风险。

主权项：1.一种药源性免疫性血小板减少毒性预测模型，其特征在于，该预测模型的构建方法包括：步骤1、整合多种药源性血小板减少的源数据库，构建第一数据库；步骤2、对符合药源性免疫性血小板减少纳入排除标准的药物进行清洗筛选，得到第二数据库；所述第二数据库包括警示结构信息及DIIT毒性标签，用于标记药源性免疫性血小板减少的毒性风险；步骤3、基于各化合物的SMILES编码，生成分子描述符；所述分子描述符的类型包括one-hot编码、分子图编码、分子指纹以及物理化学描述符；步骤4、将第二数据库中的药物名称或化合物信息，按照预设比例分层并随机划分为训练集和外部测试集，其中DIIT阳性化合物与DIIT阴性化合物按相同比例分配至训练集和外部测试集中；分别计算训练集和外部测试集的分子量及脂水分配系数分布；步骤5、针对不同类型分子描述符，分别通过不同机器学习方法，构建并训练QSAR分类模型，用于预测药物或化合物的DIIT毒性，具体包括：对于物理化学描述符和分子指纹，通过支持向量机或随机森林或极端梯度上升，构建QSAR分类模型；对于one-hot编码，通过循环神经网络，构建QSAR分类模型；对于分子图编码，通过图卷积神经网络，构建QSAR分类模型；步骤6、计算各QSAR分类模型的评价参数；按照评价参数进行排序，选择其中前N个QSAR分类模型组合成共识模型；其中，N为奇数；所述共识模型基于少数服从多数原则，输出药物或化合物关于DIIT毒性的预测结果；所述步骤6具体包括：步骤61、基于第二数据库中药物或化合物的DIIT毒性及QSAR分类模型的预测结果，构建四格表，用于反映真阳性、假阴性、真阴性及假阳性的样本数量；步骤62、计算各QSAR分类模型的灵敏度SE、特异度SP、正确率ACC及马修斯相关系数MCC，具体公式为： ； ； ； ；其中，TP表示真阳性，即药物或化合物实际为DIIT阳性，且被QSAR分类模型预测为DIIT阳性的样本个数；FN表示假阴性，即药物或化合物实际为DIIT阳性，且被QSAR分类模型预测为DIIT阴性的样本个数；TN表示真阴性，即药物或化合物实际为DIIT阴性，且被QSAR分类模型预测为DIIT阴性的样本个数；FP表示假阳性，即药物或化合物实际为DIIT阴性，且被QSAR分类模型预测为DIIT阳性的样本个数；步骤63、选择马修斯相关系数最接近1的N个QSAR分类模型，组合成共识模型；所述N为奇数；将该N个QSAR分类模型的预测结果进行计数统计，输出计数最多的预测结果。

全文数据：

权利要求：

百度查询： 首都医科大学附属北京儿童医院 北京大学 一种药源性免疫性血小板减少毒性预测模型、方法及系统