基于深度學(xué)習(xí)的靶標(biāo)預(yù)測(cè)系統(tǒng)及其方法

基本信息

申請(qǐng)?zhí)?/td> CN201910818054.1 申請(qǐng)日 -
公開（公告）號(hào) CN110534153A 公開（公告）日 2019-12-03
申請(qǐng)公布號(hào) CN110534153A 申請(qǐng)公布日 2019-12-03
分類號(hào) G16B15/30;G06N3/04 分類 物理
發(fā)明人 鄧代國(guó);艾海濤;雷曾榮 申請(qǐng)（專利權(quán)）人 廣州費(fèi)米子科技有限責(zé)任公司
代理機(jī)構(gòu) - 代理人 -
地址 510335 廣東省廣州市海珠區(qū)會(huì)展南五路1號(hào)5號(hào)1005自編之二
法律狀態(tài) -

摘要

摘要 本發(fā)明是一種基于深度學(xué)習(xí)的靶標(biāo)預(yù)測(cè)系統(tǒng)，其特征在于，該系統(tǒng)包括通過(guò)深度學(xué)習(xí)框架tensorflow進(jìn)行算法的建模、通過(guò)使用RDkit、Numpy、Pandas進(jìn)行數(shù)據(jù)處理的靶標(biāo)預(yù)測(cè)模塊，所述靶標(biāo)預(yù)測(cè)模塊包括靶標(biāo)訓(xùn)練階段和靶標(biāo)預(yù)測(cè)階段，所述靶標(biāo)訓(xùn)練階段通過(guò)對(duì)已知分子及其對(duì)應(yīng)的靶標(biāo)之間的關(guān)系的訓(xùn)練生成訓(xùn)練模型，靶標(biāo)預(yù)測(cè)階段通過(guò)將新的分子信息輸入到訓(xùn)練模型中進(jìn)行新的分子靶標(biāo)概率的預(yù)測(cè)，通過(guò)對(duì)預(yù)測(cè)出的靶標(biāo)概率的分析對(duì)比確定分子的靶標(biāo)，其中，該系統(tǒng)通過(guò)原子之間的化學(xué)鍵作用進(jìn)行拓?fù)湎噜彽木矸e操作。通過(guò)將靶標(biāo)預(yù)測(cè)模塊采用深度學(xué)習(xí)框架tensorflow進(jìn)行算法的建模、使用RDkit、Numpy、Pandas進(jìn)行數(shù)據(jù)處理的方式使分子與靶標(biāo)之間的關(guān)系的探索更高效準(zhǔn)確，增加了分子靶標(biāo)預(yù)測(cè)的準(zhǔn)確率。