CN112489812B - 药物开发分析方法、装置、电子设备和存储介质 - Google Patents

药物开发分析方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112489812B
CN112489812B CN202011380194.4A CN202011380194A CN112489812B CN 112489812 B CN112489812 B CN 112489812B CN 202011380194 A CN202011380194 A CN 202011380194A CN 112489812 B CN112489812 B CN 112489812B
Authority
CN
China
Prior art keywords
information set
information
target point
time
acquiring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011380194.4A
Other languages
English (en)
Other versions
CN112489812A (zh
Inventor
秦云贺
郝鹏
阳晓文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Huabin Licheng Technology Co ltd
Original Assignee
Beijing Huabin Licheng Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Huabin Licheng Technology Co ltd filed Critical Beijing Huabin Licheng Technology Co ltd
Priority to CN202011380194.4A priority Critical patent/CN112489812B/zh
Publication of CN112489812A publication Critical patent/CN112489812A/zh
Application granted granted Critical
Publication of CN112489812B publication Critical patent/CN112489812B/zh
Priority to PCT/CN2021/134234 priority patent/WO2022111720A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/30—Drug targeting using structural data; Docking or binding prediction
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Medicinal Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Epidemiology (AREA)
  • Bioethics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Toxicology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请提出一种药物开发分析方法、装置、电子设备和存储介质，涉及数据处理技术领域，其中，方法包括：获取适应症信息查询指令；获取适应症信息对应的药品信息集、以及药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；根据药品靶点关系图谱，获取药品信息集对应的靶点信息集；确定靶点信息集的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集并进行分析，获取靶点信息集中每个靶点的分析结果。由此，获取靶点研发热力图，能够清晰反应一定时期内某疾病领域内研发热点的变化趋势，以使快速理解某领域主流开发方向具有重要参考意义。

Description

药物开发分析方法、装置、电子设备和存储介质
技术领域
本申请涉及数据处理技术领域，尤其涉及一种药物开发分析方法、装置电子设备和存储介质。
背景技术
创新药物开发是医药企业最重要的业务分支之一，创新药物开发的趋势对于企业创新药物研发立项具有一定参考意义。目前，创新药物开发的趋势并无商业化数据库支持，一般的，开发趋势解读常见两种方式：第一种方式是小样本的分析和研究；第二种方式是基于创新药物管线数量分析统计；这两种方式均受限于数据完整性或个人认知、且耗时耗力。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一个目的在于提出一种药物开发分析方法，建立了时间、药物靶点、疾病之间的关联关系解析生成了靶点研发热力图，该靶点研发热力图能够清晰反应一定时期内某疾病领域内研发热点的变化趋势，这对创新药物开发企业快速理解某领域主流开发方向具有重要参考意义，解决现有技术中受限于数据完整性或个人认知、且耗时耗力的技术问题。
本申请的第二个目的在于提出一种药物开发分析装置。
本申请的第三个目的在于提出一种计算机设备。
本申请的第四个目的在于提出一种非临时性计算机可读存储介质。
本申请的第五个目的在于提出一种计算机程序产品。
为达上述目的，本申请第一方面实施例提出了一种药物开发分析方法，包括：
获取适应症信息查询指令；从预先建立的所述数据关系表中获取所述适应症信息对应的药品信息集、以及所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；
根据药品靶点关系图谱，获取所述药品信息集对应的靶点信息集；
将所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为所述靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；
对所述临床试验登记号信息集、所述临床试验开始时间信息集、所述总体评价信息集和所述批准上市时间信息集进行分析，获取所述靶点信息集中每个靶点的分析结果。
本申请实施例的药物开发分析方法，通过获取适应症信息查询指令；从预先建立的所述数据关系表中获取适应症信息对应的药品信息集、以及药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；根据药品靶点关系图谱，获取药品信息集对应的靶点信息集；将药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；对临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集进行分析，获取靶点信息集中每个靶点的分析结果。由此，建立了时间、药物靶点、疾病之间的关联关系解析生成了靶点研发热力图，该靶点研发热力图能够清晰反应一定时期内某疾病领域内研发热点的变化趋势，这对创新药物开发企业快速理解某领域主流开发方向具有重要参考意义，解决现有技术中受限于数据完整性或个人认知、且耗时耗力的技术问题。
在本申请的一个实施例中，在所述获取适应症信息查询指令之前，还包括：
获取不同信息源的数据信息，对数据信息进行分析，建立数据关系表。
在本申请的一个实施例中，所述获取不同信息源的数据信息，对数据信息进行分析，建立数据关系表，包括：
从第一信息源中获取临床适应症信息、药品信息、试验登记号信息和临床试验开始时间信息，对所述适应症信息和所述药品信息进行清洗后在字典中进行匹配；
根据匹配后的所述适应症信息、所述药品信息、以及所述试验登记号信息和所述临床试验开始时间信息建立第一数据关系表；
从第二信息源中获取药品信息和批准上市时间信息，对所述药品信息和所述批准上市时间信息进行标准化处理后建立第二数据关系表；
从第三信息源中获取药品信息、适应症信息、临床结果原始信息和时间信息集进行标准化处理后建立第三数据关系表。
在本申请的一个实施例中，所述的药物开发分析方法，还包括：
对所述临床结果原始信息进行标记，获取标记临床结果；
根据所述标记临床结果和所述时间信息集确定总体评价信息集更新所述第三数据关系表。
在本申请的一个实施例中，所述药物开发分析方法，还包括：
按照预设时间间隔，获取所述不同信息源的数据信息更新所述数据关系表。
在本申请的一个实施例中，所述对所述临床试验登记号信息集、所述临床试验开始时间信息集、所述总体评价信息集和所述批准上市时间信息集进行分析，获取所述靶点信息集中每个靶点的分析结果，包括：
生成初级表格，所述初级表格中设置两个特征区域用于存放不用类别的元素；
统计所述靶点信息集中每个靶点在上述临床试验开始时间中相同年份的临床试验登记号个数；预设N年时间段，其中，一个特征区域中每个元素为上述相同年份的临床试验登记号个数；
获取所述靶点信息集中每个靶点对应的批准上市时间信息集，得到每个靶点的批准上市时间中位数，按照中位时间升序进行一级排序；
获取中位时间值相同或中位时间值为空的数据的靶点信息集，获取靶点信息中每个靶点的N年临床试验登记号信息的个数，按照个数值的数量降序进行二级排序；
获取N年临床试验登记号信息的个数相同的靶点信息集，获取靶点信息集中每个靶点的首字母，按照字母顺序进行三级排序，生成次级表格；
所述次级表格中另一个特征区域中每个元素为每个靶点对应的总体评价个数，获取所述靶点信息集中每个靶点N年总体评价为第一评价类别总数，获取每个靶点N年总体评价为第二评价类别总数，以及临床试验风险为所述第二评价类别总数与所述第一评价类别总数的比值，生成终级表格。
为达上述目的，本申请第二方面实施例提出了一种药物开发分析装置，包括：
第一获取模块，用于获取适应症信息查询指令；从预先建立的所述数据关系表中获取所述适应症信息对应的药品信息集、以及所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；
第二获取模块，用于根据药品靶点关系图谱，获取所述药品信息集对应的靶点信息集；
确定模块，用于将所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为所述靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；
分析模块，用于对所述临床试验登记号信息集、所述临床试验开始时间信息集、所述总体评价信息集和所述批准上市时间信息集进行分析，获取所述靶点信息集中每个靶点的分析结果。
本申请实施例的药物开发分析装置，通过获取适应症信息查询指令；从预先建立的所述数据关系表中获取适应症信息对应的药品信息集、以及药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；根据药品靶点关系图谱，获取药品信息集对应的靶点信息集；将药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；对临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集进行分析，获取靶点信息集中每个靶点的分析结果。由此，建立了时间、药物靶点、疾病之间的关联关系解析生成了靶点研发热力图，该靶点研发热力图能够清晰反应一定时期内某疾病领域内研发热点的变化趋势，这对创新药物开发企业快速理解某领域主流开发方向具有重要参考意义，解决现有技术中受限于数据完整性或个人认知、且耗时耗力的技术问题。
为达上述目的，本申请第三方面实施例提出了一种计算机设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行第一方面实施例所述的药物开发分析方法。
为了实现上述目的，本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本申请第一方面实施例所述的药物开发分析方法。
为了实现上述目的，本申请第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时实现如本申请第一方面实施例所述的药物开发分析方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例一所提供的一种药物开发分析方法的流程示意图；
图2为本申请实施例一所提供的数据关系表的示例图；
图3为本申请实施例一所提供的数据关系表的示例图；
图4为本申请实施例一所提供的数据关系表的示例图；
图5为本申请实施例一所提供的数据关系表的示例图；
图6为本申请实施例一所提供的靶点研发热力图的示例图；
图7为本申请实施例一所提供的靶点研发热力图的示例图；
图8为本申请实施例所提供的一种药物开发分析装置的结构示意图；以及
图9示出了适于用来实现本申请实施方式的示例性计算机设备的框图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的药物开发分析方法、装置、电子设备和存储介质。
图1为本申请实施例一所提供的一种药物开发分析方法的流程示意图。
如图1所示，该药物开发分析方法包括以下步骤：
步骤101，获取适应症信息查询指令；从预先建立的所述数据关系表中获取所述适应症信息对应的药品信息集、以及所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集。
在本申请实施例中，在获取适应症信息查询指令之前，还包括：获取不同信息源的数据信息，对数据信息进行分析，建立数据关系表。
在本申请实施例中，从第一信息源中获取临床适应症信息、药品信息、试验登记号信息和临床试验开始时间信息，对适应症信息和药品信息进行清洗后在字典中进行匹配；根据匹配后的适应症信息、药品信息、以及试验登记号信息和临床试验开始时间信息建立第一数据关系表。
具体地，从包括但不限于ClinicalTrials.gov中获取临床适应症信息、药品信息、试验登记号信息、临床试验开始时间信息，对适应症信息，药品信息进行清洗后于字典中进行匹配，并存储，如图2所示。
在本申请实施例中，从第二信息源中获取药品信息和批准上市时间信息，对药品信息和所述批准上市时间信息进行标准化处理后建立第二数据关系表。
具体地，从包括但不限于FDA(美国食品药品监督管理局)、EMA(欧洲药品管理局)、PMDA(日本药品和医疗器械管理局)、NMPA(国家药品监督管理局)等各国家官网获取药品信息和批准上市时间信息，数据进行标准化处理并存储，如图3所示。
在本申请实施例中，从第三信息源中获取药品信息、适应症信息、临床结果原始信息和时间信息集进行标准化处理后建立第三数据关系表。
在本申请实施例中，对临床结果原始信息进行标记，获取标记临床结果，根据标记临床结果和时间信息集确定总体评价信息集更新第三数据关系表。
在本申请实施例中，从国内各种一级信息源，包括但不限于：官方资料、资讯、clinical trials、学术会议、医学论文，从中获取药品信息，适应症信息，临床结果原始信息，时间信息集(包括但不限于信息源的信息发布时间，发布临床结果时间等时间信息)，数据进行标准化处理并存储，如图4所示。
具体地，对临床结果原始信息进行直接获取或人工判断或自动化判断，得到标记临床结果，标记临床结果包括但不限于：终止、不佳、积极。上述标记临床结果包含消极词语(包括但不限于：不佳，终止等)且时间信息集中最晚日期据计算日期的时间间隔≥6年，总体评价设为：inactive(消极)；时间信息集中最晚日期据计算日期的时间间隔3-5年，总体评价设为：unknown(不确定)；时间信息集中最晚日期据计算日期的时间间隔≤2年，总体评价设为：active(积极)，如图5所示。
在本申请实施例中，按照预设时间间隔，获取不同信息源的数据信息更新数据关系表。
具体地，固定时间从上述各信息源获取数据并对上述数据信息进行更新。
步骤102，根据药品靶点关系图谱，获取药品信息集对应的靶点信息集。
步骤103，将药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集。
步骤104，对临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集进行分析，获取靶点信息集中每个靶点的分析结果。
在本申请实施例中，获取适应症信息查询指令，根据图2和图5获取目标适应症信息对应的药品信息集，及药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集；通过上述药品信息集匹配表2中药品信息，获取药品信息集对应的批准上市时间信息集；根据药品-靶点关系图谱，获取上述药品信息集对应的靶点信息集，从而获取靶点信息集对应的批准上市时间信息集、临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集。
在本申请实施例中，生成初级表格，初级表格中设置两个特征区域用于存放不用类别的元素；统计靶点信息集中每个靶点在上述临床试验开始时间中相同年份的临床试验登记号个数；预设N年时间段，其中，一个特征区域中每个元素为上述相同年份的临床试验登记号个数；获取靶点信息集中每个靶点对应的批准上市时间信息集，得到每个靶点的批准上市时间中位数，按照中位时间升序进行一级排序；获取中位时间值相同或中位时间值为空的数据的靶点信息集，获取靶点信息中每个靶点的N年临床试验登记号信息的个数，按照个数值的数量降序进行二级排序；获取N年临床试验登记号信息的个数相同的靶点信息集，获取靶点信息集中每个靶点的首字母，按照字母顺序进行三级排序，生成次级表格；次级表格中另一个特征区域中每个元素为每个靶点对应的总体评价个数，获取靶点信息集中每个靶点N年总体评价为第一评价类别总数，获取每个靶点N年总体评价为第二评价类别总数，以及临床试验风险为第二评价类别总数与第一评价类别总数的比值，生成终级表格。
在本申请实施例中，生成m*n的初级表格，表格中设有两个特征区域用于存放不用类别的元素；统计上述靶点信息集中每个靶点在上述临床试验开始时间中相同年份的临床试验登记号个数；预设N年时间段(如：20年)，其中一个特征区域中每个元素为上述相同年份的临床试验登记号个数；获取上述靶点信息集中每个靶点对应的批准上市时间信息集，得到每个靶点的批准上市时间中位数，按照中位时间升序进行一级排序；获取中位时间值相同或中位时间值为空的数据的靶点信息集，获取靶点信息中每个靶点的N年临床试验登记号信息的个数，按照个数值的数量降序进行二级排序；获取上述N年临床试验登记号信息的个数相同的靶点信息集，获取靶点信息集中每个靶点的首字母，按照A-Z进行三级排序；生成m*n的次级表格；表格中另外一个特征区域中每个元素为每个靶点对应的总体评价个数；获取上述靶点信息集中每个靶点N年总体评价为inactive+unknown+active的总数，获取每个靶点N年总体评价为inactive+unknown的总数，临床试验风险risk＝(inactive+unknown)总数/(inactive+unknown+active)总数；生成m*n的终级表格如图6所示。
举例而言，以NSCLC为例，通过上述方法我们可以很快清洗并标准化出该疾病下各个靶点2000年至2020年新增临床试验登记数量，并根据三级排序方法能够筛选出top50靶点。X轴由上至下，研究充分靶点排位一般地会越靠上，新兴靶点会越靠下。综合靶点-批准时间-历年临床登记数量所绘制的靶点研发热力图能够看出：microtubule，DNA类药物排位偏左上，代表该领域内研究较为充分的靶点；EGFR临床登记2004年至今均处于活跃状态，代表着一类研究充分同时药物创新频繁的一类疗法；anaplastic lymphoma kinase(ALK),ROS1,PD-(L)1,TROP2,等靶点排位偏右下，临床登记的活跃增加一般出现在最近5年，代表着一类新兴的靶点，于上述方法所建立的靶点研发热力图深度如图7所示，梳理了某领域内的top50靶点研发动态，这给快速理解某领域主流开发方向提供参考。
因此，对收集汇总的临床结果进行分析，生成临床结果的总体评价，计算得到临床试验风险值(risk)，能够反应某个疾病领域下不同作用机制药物的开发风险，如：通过对一个疾病领域内两个靶点之间的临床试验风险值进行比较riskDNA＝0.6＞riskDHFR＝0.5，说明该适应症下基于DNA的作用机制的临床研究风险程度要高于基于DHFR的作用机制的临床研究，该指标给创新药开发企业综合理解某领域的开发提供一个新的参考点。
本申请实施例的药物开发分析方法，通过获取适应症信息查询指令；从预先建立的所述数据关系表中获取适应症信息对应的药品信息集、以及药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；根据药品靶点关系图谱，获取药品信息集对应的靶点信息集；将药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；对临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集进行分析，获取靶点信息集中每个靶点的分析结果。由此，建立了时间、药物靶点、疾病之间的关联关系解析生成了靶点研发热力图，该靶点研发热力图能够清晰反应一定时期内某疾病领域内研发热点的变化趋势，这对创新药物开发企业快速理解某领域主流开发方向具有重要参考意义，解决现有技术中受限于数据完整性或个人认知、且耗时耗力的技术问题。
为了实现上述实施例，本申请还提出一种药物开发分析装置。
图8为本申请实施例提供的一种药物开发分析装置的结构示意图。
如图8所示，该药物开发分析装置包括：第一获取模块210、第二获取模块220、确定模块230和分析模块240。
第一获取模块210，用于获取适应症信息查询指令；从预先建立的所述数据关系表中获取所述适应症信息对应的药品信息集、以及所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集。
第二获取模块220，用于根据药品靶点关系图谱，获取所述药品信息集对应的靶点信息集。
确定模块230，用于将所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为所述靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集。
分析模块240，用于对所述临床试验登记号信息集、所述临床试验开始时间信息集、所述总体评价信息集和所述批准上市时间信息集进行分析，获取所述靶点信息集中每个靶点的分析结果。
本申请实施例的药物开发分析装置，通过获取适应症信息查询指令；从预先建立的所述数据关系表中获取适应症信息对应的药品信息集、以及药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；根据药品靶点关系图谱，获取药品信息集对应的靶点信息集；将药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；对临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集进行分析，获取靶点信息集中每个靶点的分析结果。由此，建立了时间、药物靶点、疾病之间的关联关系解析生成了靶点研发热力图，该靶点研发热力图能够清晰反应一定时期内某疾病领域内研发热点的变化趋势，这对创新药物开发企业快速理解某领域主流开发方向具有重要参考意义，解决现有技术中受限于数据完整性或个人认知、且耗时耗力的技术问题。
需要说明的是，前述对药物开发分析方法实施例的解释说明也适用于该实施例的药物开发分析装置，此处不再赘述。
为了实现上述实施例，本申请还提出一种计算机设备，包括：处理器，以及用于存储所述处理器可执行指令的存储器。
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如本申请前述实施例提出的药物开发分析方法。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器被执行时，使得处理器能够执行本申请前述实施例提出的药物开发分析方法。
为了实现上述实施例，本申请还提出一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行实现本申请前述实施例提出的药物开发分析方法。
图9示出了适于用来实现本申请实施方式的示例性计算机设备的框图。图9显示的计算机设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图9所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local AreaNetwork；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的药物开发分析方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种药物开发分析方法，其特征在于，包括以下步骤：
获取适应症信息查询指令；从预先建立的数据关系表中获取所述适应症信息对应的药品信息集、以及所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；
根据药品靶点关系图谱，获取所述药品信息集对应的靶点信息集；
将所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为所述靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；
对所述临床试验登记号信息集、所述临床试验开始时间信息集、所述总体评价信息集和所述批准上市时间信息集进行分析，获取所述靶点信息集中每个靶点的分析结果。
2.如权利要求1所述的药物开发分析方法，其特征在于，在所述获取适应症信息查询指令之前，还包括：
获取不同信息源的数据信息，对数据信息进行分析，建立数据关系表。
3.如权利要求2所述的药物开发分析方法，其特征在于，所述获取不同信息源的数据信息，对数据信息进行分析，建立数据关系表，包括：
从第一信息源中获取临床适应症信息、药品信息、试验登记号信息和临床试验开始时间信息，对所述适应症信息和所述药品信息进行清洗后在字典中进行匹配；
根据匹配后的所述适应症信息、所述药品信息、以及所述试验登记号信息和所述临床试验开始时间信息建立第一数据关系表；
从第二信息源中获取药品信息和批准上市时间信息，对所述药品信息和所述批准上市时间信息进行标准化处理后建立第二数据关系表；
从第三信息源中获取药品信息、适应症信息、临床结果原始信息和时间信息集进行标准化处理后建立第三数据关系表。
4.如权利要求3所述的药物开发分析方法，其特征在于，还包括：
对所述临床结果原始信息进行标记，获取标记临床结果；
根据所述标记临床结果和所述时间信息集确定总体评价信息集更新所述第三数据关系表。
5.如权利要求2所述的药物开发分析方法，其特征在于，还包括：
按照预设时间间隔，获取所述不同信息源的数据信息更新所述数据关系表。
6.如权利要求1所述的药物开发分析方法，其特征在于，所述对所述临床试验登记号信息集、所述临床试验开始时间信息集、所述总体评价信息集和所述批准上市时间信息集进行分析，获取所述靶点信息集中每个靶点的分析结果，包括：
生成初级表格，所述初级表格中设置两个特征区域用于存放不同类别的元素；
统计所述靶点信息集中每个靶点在上述临床试验开始时间中相同年份的临床试验登记号个数；预设N年时间段，其中，一个特征区域中每个元素为上述相同年份的临床试验登记号个数；
获取所述靶点信息集中每个靶点对应的批准上市时间信息集，得到每个靶点的批准上市时间中位数，按照中位时间升序进行一级排序；
获取中位时间值相同或中位时间值为空的数据的靶点信息集，获取靶点信息中每个靶点的N年临床试验登记号信息的个数，按照个数值的数量降序进行二级排序；
获取N年临床试验登记号信息的个数相同的靶点信息集，获取靶点信息集中每个靶点的首字母，按照字母顺序进行三级排序，生成次级表格；
所述次级表格中另一个特征区域中每个元素为每个靶点对应的总体评价个数，获取所述靶点信息集中每个靶点N年总体评价为第一评价类别总数，获取每个靶点N年总体评价为第二评价类别总数，以及临床试验风险为所述第二评价类别总数与所述第一评价类别总数的比值，生成终级表格。
7.一种药物开发分析装置，其特征在于，所述装置包括：
第一获取模块，用于获取适应症信息查询指令；从预先建立的数据关系表中获取所述适应症信息对应的药品信息集、以及所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；
第二获取模块，用于根据药品靶点关系图谱，获取所述药品信息集对应的靶点信息集；
确定模块，用于将所述药品信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集确定为所述靶点信息集对应的临床试验登记号信息集、临床试验开始时间信息集、总体评价信息集和批准上市时间信息集；
分析模块，用于对所述临床试验登记号信息集、所述临床试验开始时间信息集、所述总体评价信息集和所述批准上市时间信息集进行分析，获取所述靶点信息集中每个靶点的分析结果。
8.如权利要求7所述的药物开发分析装置，其特征在于，还包括：
建立模块，用于获取不同信息源的数据信息，对数据信息进行分析，建立数据关系表。
9.一种计算机设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-6中任一所述的药物开发分析方法。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的药物开发分析方法。
CN202011380194.4A 2020-11-30 2020-11-30 药物开发分析方法、装置、电子设备和存储介质 Active CN112489812B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011380194.4A CN112489812B (zh) 2020-11-30 2020-11-30 药物开发分析方法、装置、电子设备和存储介质
PCT/CN2021/134234 WO2022111720A1 (zh) 2020-11-30 2021-11-30 药物开发分析方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011380194.4A CN112489812B (zh) 2020-11-30 2020-11-30 药物开发分析方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112489812A CN112489812A (zh) 2021-03-12
CN112489812B true CN112489812B (zh) 2021-07-06

Family

ID=74938433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011380194.4A Active CN112489812B (zh) 2020-11-30 2020-11-30 药物开发分析方法、装置、电子设备和存储介质

Country Status (2)

Country Link
CN (1) CN112489812B (zh)
WO (1) WO2022111720A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489812B (zh) * 2020-11-30 2021-07-06 北京华彬立成科技有限公司 药物开发分析方法、装置、电子设备和存储介质
CN113674867A (zh) * 2021-07-27 2021-11-19 上海药慧信息技术有限公司 临床数据挖掘方法、装置、电子设备和存储介质
CN113889279B (zh) * 2021-09-28 2022-08-05 北京华彬立成科技有限公司 联合疗法信息挖掘和查询方法、装置和电子设备
CN114255877A (zh) * 2021-12-06 2022-03-29 北京华彬立成科技有限公司 靶点信息挖掘和检索方法、装置、电子设备和存储介质
CN114358939B (zh) * 2021-12-31 2024-05-07 北京华彬立成科技有限公司 医药行业热点信息的监控方法、装置、电子设备和存储介质
CN115050478B (zh) * 2022-03-31 2023-07-25 数魔方(北京)医药科技有限公司 药品信息挖掘方法、预警方法、装置和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109859816A (zh) * 2019-02-21 2019-06-07 北京深度制耀科技有限公司 一种基于药物再利用的药物与疾病匹配方法和装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8489336B2 (en) * 2002-09-16 2013-07-16 Optimata Ltd. Techniques for purposing a new compound and for re-purposing a drug
US20060188909A1 (en) * 2005-01-21 2006-08-24 Medical College Of Ohio Business methods for assessing nucleic acids
CN112074909B (zh) * 2017-10-17 2024-03-19 英维特公司 变体解释终端系统
WO2019100158A1 (en) * 2017-11-22 2019-05-31 Cyclica Inc. Method and system for differential drug discovery
CN108830034B (zh) * 2018-05-25 2021-07-20 陈育聪 一种医药临床研发信息处理系统及其方法
US20200005892A1 (en) * 2018-06-29 2020-01-02 My Gene Counsel, Llc Content management system for creation of living lab reports
CN109545276B (zh) * 2018-11-15 2021-05-28 武汉百药联科科技有限公司 一种基于表观基因组的药物发现方法及其应用
CN109493925B (zh) * 2018-11-20 2020-09-15 北京晶派科技有限公司 一种确定药物和药物靶点关联关系的方法
CN110428910A (zh) * 2019-06-18 2019-11-08 浙江大学 临床用药适应症分析系统、方法、计算机设备和存储介质
CN112489812B (zh) * 2020-11-30 2021-07-06 北京华彬立成科技有限公司 药物开发分析方法、装置、电子设备和存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109859816A (zh) * 2019-02-21 2019-06-07 北京深度制耀科技有限公司 一种基于药物再利用的药物与疾病匹配方法和装置

Also Published As

Publication number Publication date
CN112489812A (zh) 2021-03-12
WO2022111720A1 (zh) 2022-06-02

Similar Documents

Publication Publication Date Title
CN112489812B (zh) 药物开发分析方法、装置、电子设备和存储介质
Thomas et al. Accuracy of risk-adjusted mortality rate as a measure of hospital quality of care
Löwy Non-invasive prenatal testing: A diagnostic innovation shaped by commercial interests and the regulation conundrum
EP2922018A1 (en) Medical information analysis program, medical information analysis device, and medical information analysis method
CN111160855A (zh) 一种报告单自动审核方法、装置、设备及存储介质
CN111667891A (zh) 应用于专病临床试验的队列识别方法及装置
Chan et al. Intimate partner violence before pregnancy, during pregnancy, and after childbirth: a new conceptualization highlighting individual changes in violence against pregnant women over time
Delnevo et al. Patients reactions to non-invasive and invasive prenatal tests: a machine-based analysis from reddit posts
Aronsky et al. Evaluation of a computerized diagnostic decision support system for patients with pneumonia: study design considerations
CN107169264B (zh) 一种复杂疾病诊断系统
Brown et al. Impact on informed choice of offering antenatal sickle cell and thalassaemia screening in primary care: a randomized trial
Liu et al. Dissecting B/plasma cells in periodontitis at single-cell/bulk resolution
Tseng et al. An open dataset of annotated metaphase cell images for chromosome identification
Dyson et al. Ethnicity questions and antenatal screening for sickle cell/thalassaemia [EQUANS] in England: a randomised controlled trial of two questionnaires
McParland et al. Multimorbidity, disease count, mortality and emergency care use in persons attending the emergency department: a cross-sectional data-linkage study
Henninger et al. A new stopping criterion for rasch trees based on the mantel–haenszel effect size measure for differential item functioning
Sebastiani et al. Bayesian machine learning and its potential applications to the genomic study of oral oncology
Wu et al. Using data from respondent-driven sampling studies to estimate the number of people who inject drugs: application to the Kohtla-Järve region of Estonia
US20210304845A1 (en) Method and system for processing genetic data
US20100250282A1 (en) Custom order sets
Novianti et al. An application of sequential meta-analysis to gene expression studies
Ryder et al. Exploring heart failure nurse practitioner outcome measures: a scoping review
Struyf et al. Burden of infections on older patients presenting to general practice: a registry-based study
Ziemba et al. Using heatmaps to identify opportunities for optimization of test utilization and care delivery
CN112635070A (zh) 一种患者临床信息采集及展示方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant