发明

基于深度学习的靶标预测系统及其方法2024

2024-04-21 07:54:28 发布于四川 0
  • 申请专利号:CN201910818054.1
  • 公开(公告)日:2024-04-19
  • 公开(公告)号:CN110534153A
  • 申请人:广州费米子科技有限责任公司
摘要:本发明是一种基于深度学习的靶标预测系统,其特征在于,该系统包括通过深度学习框架tensorflow进行算法的建模、通过使用RDkit、Numpy、Pandas进行数据处理的靶标预测模块,所述靶标预测模块包括靶标训练阶段和靶标预测阶段,所述靶标训练阶段通过对已知分子及其对应的靶标之间的关系的训练生成训练模型,靶标预测阶段通过将新的分子信息输入到训练模型中进行新的分子靶标概率的预测,通过对预测出的靶标概率的分析对比确定分子的靶标,其中,该系统通过原子之间的化学键作用进行拓扑相邻的卷积操作。通过将靶标预测模块采用深度学习框架tensorflow进行算法的建模、使用RDkit、Numpy、Pandas进行数据处理的方式使分子与靶标之间的关系的探索更高效准确,增加了分子靶标预测的准确率。

专利内容

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 110534153 A (43)申请公布日 2019.12.03 (21)申请号 201910818054.1 (22)申请日 2019.08.30 (71)申请人 广州费米子科技有限责任公司 地址 510335 广东省广州市海珠区会展南 五路1号5号1005自编之二 (72)发明人 邓代国 艾海涛 雷曾荣  (51)Int.Cl. G16B 15/30(2019.01) G06N 3/04(2006.01) 权利要求书2页 说明书6页 附图1页 (54)发明名称 基于深度学习的靶标预测系统及其方法 (57)摘要 本发明是一种基于深度学习的靶标预测系 统,其特征在于,该系统包括通过深度学习框架 tensorflow进行算法的建模、通过使用RDkit、 Numpy、Pandas进行数据处理的靶标预测模块,所 述靶标预测模块包括靶标训练阶段和靶标预测 阶段,所述靶标训练阶段通过对已知分子及其对 应的靶标之间的关系的训练生成训练模型,靶标 预测阶段通过将新的分子信息输入到训练模型 中进行新的分子靶标概率的预测,通过对预测出 的靶标概率的分析对比确定分子的靶标,其中, 该系统通过原子之间的化学键作用进行拓扑相 邻的卷积操作。通过将靶标预测模块采用深度学 A 习框架tensorflow进行算法的建模、使用RDkit、 3 Numpy、Pandas进行数据处理的方式使分

最新专利