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：南通大学附属医院

摘要：本发明属于AI辅助药物设计领域，公开了基于人工智能片段化技术的先导活性分子生成与筛选方法，包括基于AIDD的片段化活性分子的数据处理、高亲和力的活性分子片段预测以及先导活性分子筛选。本发明从语言模型角度，将分子碎片化为多个token的组合，关注这些token片段的相互作用关系，找到对分子性质影响较大的片段。进一步以分子的分段表示为基础结合语言模型，使用基于语言模型的亲和力模型来筛选具有高亲和力的分子片段。所得到高亲和力的分子片段可以进一步结合分子属性约束，最终通过多维属性预测模型对初步生成的分子进行筛选，生成先导活性分子，实现了AI辅助药物生成的完整解决方案。

主权项：1.基于AIDD的片段化活性分子数据处理方法，其特征在于包括如下步骤：步骤一、构建片段词典1将数据集中的数据源分子转化为线性化文本，数据源分子为化合物、核酸、多糖中的一种或几种的组合时，将数据源分子转化为SMILES字符串，数据源分子为多肽或蛋白质时，将多肽或蛋白质中氨基酸残基序列按照亚基顺序首尾相接，形成完整的一条氨基酸残基序列；2采用序列切分算法将所有SMILES字符串或氨基酸残基序列切分为片段，构建片段词典，训练过程如下：a根据预生成token的频率对所有候选token进行由高到低排名；b所有具有概率的token都用于在最优传输算法中初始化，在每个时间步上，根据传输矩阵得到熵最大的片段词典；c穷举所有的时间步长，选择满足指定指数搜索空间的词汇作为最终词汇；d使用贪婪策略编码文本：先将句子分割成字符级的标记，若合并后的token在片段词典中，则将两个连续的token合并为一个token，直到没有token可以合并为止，片段词典外标记将被分割成更小的标记；步骤二、活性分子数据处理1活性分子转化为线性化文本，活性分子为化合物、核酸、多糖中的一种或几种的组合时，将活性分子转化为SMILES字符串，活性分子为多肽或蛋白质时，将多肽或蛋白质中氨基酸残基序列按照亚基顺序首尾相接，形成完整的一条氨基酸残基序列；2在步骤一构建的片段词典指导下，采用序列切分算法将活性分子的SMILES字符串或氨基酸残基序列切分为片段，统计词频低于5个的片段定义为“低频片段”，在编码过程中，包含“低频片段”的活性分子中所有“低频片段”按照同一个token进行编码，得到活性分子片段；3经过分子片段表征提取方法提取活性分子每个片段的表征。

全文数据：

权利要求：

百度查询： 南通大学附属医院 基于人工智能片段化技术的先导活性分子生成与筛选方法