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：中国工程物理研究院计算机应用研究所;电子科技大学

摘要：本发明公开了一种基于BPMLP‑XGBoost的药物产品活性值和ADMET性质的预测方法及系统，属于生物医药与计算科学交叉技术领域，解决现有技术对药物产品的生物活性值和ADMET性质的预测准确率低的问题。本发明对输入的所有药物数据进行预处理，其中，药物数据为分子描述符数据；对预处理得到的药物数据进行特征提取，提取后训练生物活性值预测模型，得到训练好的生物活性值预测模型；基于预处理得到的药物产品数据训练ADMET性质预测模型，得到训练好的ADMET性质预测模型；基于训练后得到的生物活性值预测模型和ADMET性质预测模型对待筛选的药物产品数据的生物活性值和ADMET性质进行预测，根据预测结果以及筛选条件，对药物产品数据清单进行筛选，得到候选药物产品数据筛选清单。本发明用于药物产品筛选，也可间接将方法用于如元器件等之类的其他产品筛选。

主权项：1.一种基于BPMLP-XGBoost的产品活性值和ADMET性质的预测方法，其特征在于，包括如下步骤：步骤1、对输入的所有药物产品数据进行预处理，其中，药物产品数据为分子描述符；步骤2、对预处理得到的药物产品数据进行特征提取，提取后训练产品生物活性值预测模型，得到训练好的产品生物活性值预测模型；步骤3、基于预处理得到的药物产品数据训练ADMET性质预测模型，得到训练好的ADMET性质预测模型；步骤4、基于训练后得到的产品生物活性值预测结果、ADMET性质预测结果以及设置的筛选条件，对待筛选的药物清单进行数据筛选，得到候选药物产品筛选清单数据；所述步骤2中的生物活性值预测模型为基于反向传播优化的多层感知机BPMLP模型，即采用Adam优化器在MLP的基础上加入误差反向传播优化；所述步骤2的具体步骤为：步骤21、基于预处理后的药物数据训练分子描述符数据提取器LGBM；步骤22、基于训练后的分子描述符数据提取器LGBM返回的特征重要性与生物活性值相关性较高的前20个分子描述符；步骤23、将得到的前20个分子描述符数据训练生物活性值预测模型，得到训练好的生物活性值预测模型；所述步骤3中的ADMET性质预测模型为XGBoost模型；所述步骤4的具体步骤为：步骤41、基于训练好的生物活性值预测模型，对待筛选的药物产品数据清单中的药物数据进行预测，得到预测结果A；步骤42、基于训练好的生物活性值预测模型，对待筛选的药物产品数据清单中的药物数据进行预测，得到预测结果B；步骤43、设置生物活性值及ADMET性质的筛选条件；步骤44、预测结果A与生物活性值筛选条件进行比较，筛选出符合筛选条件的药物产品数据，保存符合筛选条件的药物产品数据；步骤45将预测结果B与ADMET性质筛选条件进行比较，筛选出符合筛选条件的药物数据，保存符合筛选条件的药物产品数据；步骤46.取步骤44得到的筛选结果与步骤45得到的筛选结果的交集，得到候选药物产品筛选清单。

全文数据：

权利要求：

百度查询： 中国工程物理研究院计算机应用研究所 电子科技大学 基于BPMLP-XGBoost的产品活性值和ADMET性质的预测方法及系统