CN116864036A - 一种基于人工智能的化合物库构建方法 - Google Patents
一种基于人工智能的化合物库构建方法 Download PDFInfo
- Publication number
- CN116864036A CN116864036A CN202310966117.4A CN202310966117A CN116864036A CN 116864036 A CN116864036 A CN 116864036A CN 202310966117 A CN202310966117 A CN 202310966117A CN 116864036 A CN116864036 A CN 116864036A
- Authority
- CN
- China
- Prior art keywords
- value
- information
- verification
- compound
- uploading
- 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.)
- Pending
Links
- 150000001875 compounds Chemical class 0.000 title claims abstract description 124
- 238000010276 construction Methods 0.000 title claims abstract description 19
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000012795 verification Methods 0.000 claims abstract description 124
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000009411 base construction Methods 0.000 claims abstract description 15
- 239000000126 substance Substances 0.000 claims description 44
- 238000012546 transfer Methods 0.000 claims description 31
- 102000054999 human core Human genes 0.000 claims description 13
- 108700026469 human core Proteins 0.000 claims description 13
- 238000013508 migration Methods 0.000 claims description 4
- 230000005012 migration Effects 0.000 claims description 4
- 238000012827 research and development Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000003786 synthesis reaction Methods 0.000 abstract description 3
- 230000002411 adverse Effects 0.000 abstract description 2
- 239000003814 drug Substances 0.000 abstract description 2
- 229940079593 drug Drugs 0.000 abstract description 2
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 18
- 238000003032 molecular docking Methods 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000010189 synthetic method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/60—In silico combinatorial chemistry
- G16C20/62—Design of libraries
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medicinal Chemistry (AREA)
- Library & Information Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算化学领域,具体涉及一种基于人工智能的化合物库构建方法,用于解决现有的基于人工智能的化合物库构建方法无法对化合物信息进行多方面验证,使得化合物信息存在严重偏差,无法保证化合物信息的可信程度,对化合物库构建的效率和准确性造成不利影响的问题;该化合物库构建方法包括以下模块:信息展示模块、信息验证模块、数据处理模块、信息库构建平台以及信息储存模块;该化合物库构建方法能够快速高效地构建化合物库,提高研究人员在药物研发和化学合成等领域的工作效率,还通过多方面进行验证进行极大地提高化合物库构建的效率和准确性,还有助于推动相关领域的科学研究与发展。
Description
技术领域
本发明涉及计算化学领域,具体涉及一种基于人工智能的化合物库构建方法。
背景技术
传统的化合物库构建方法主要依靠实验设计和化学合成,耗费时间且成本较高。随着人工智能技术的发展,利用机器学习等方法可以快速高效地预测化合物的特征,从而加快化合物库的构建速度。
申请号为CN202110696118.2的专利公开了一种基于人工智能的化合物库构建方法、装置、电子设备及计算机可读存储介质;涉及人工智能技术;方法包括:获取针对靶蛋白的活性化合物;基于活性化合物的属性性质进行化合物生成处理,得到具有属性性质的第一候选化合物;将活性化合物与靶蛋白进行分子对接处理,得到活性化合物的多个分子构象分别对应的分子对接信息;基于多个分子构象分别对应的分子对接信息,对多个分子构象进行筛选处理,将筛选得到的分子构象作为活性化合物对应的第二候选化合物;基于第一候选化合物以及第二候选化合物,构建针对靶蛋白的化合物库,能够消除化合物库的隐藏偏差,但仍然存在以下不足之处:无法对化合物信息进行多方面验证,使得化合物信息存在严重偏差,无法保证化合物信息的可信程度,对化合物库构建的效率和准确性造成不利影响。
发明内容
为了克服上述的技术问题,本发明的目的在于提供一种基于人工智能的化合物库构建方法:通过将化合物信息上传至信息展示模块的信息展示区域,通过信息验证模块接收到信息验证指令后通过化学物验证人员对化合物信息进行验证,并获得人核值,之后根据公开文献获得文献值,根据信息展示区域获得上传值,通过数据处理模块根据人核值、文献值以及上传值获得储移系数,通过信息库构建平台根据储移系数生成储存转移指令,通过信息储存模块接收到储存转移指令后将信息展示模块的信息展示区域中相对应的化合物信息转移至信息储存模块中进行储存,解决了现有的基于人工智能的化合物库构建方法无法对化合物信息进行多方面验证,使得化合物信息存在严重偏差,无法保证化合物信息的可信程度,对化合物库构建的效率和准确性造成不利影响的问题。
本发明的目的可以通过以下技术方案实现:
一种基于人工智能的化合物库构建方法,包括以下步骤:
步骤一:用户将化合物信息上传至信息展示模块的信息展示区域,上传成功后生成信息验证指令,并将信息验证指令发送至信息验证模块;
步骤二:信息验证模块接收到信息验证指令后通过化学物验证人员对化合物信息进行验证,并获得人核值RH,之后根据公开文献获得文献值WX,根据信息展示区域获得上传值SC,并将人核值RH、文献值WX以及上传值SC发送至数据处理模块;
步骤三:数据处理模块根据人核值RH、文献值WX以及上传值SC获得储移系数CY,并将储移系数CY发送至信息库构建平台;
步骤四:信息库构建平台根据储移系数CY生成储存转移指令,并将储存转移指令发送至信息储存模块;
步骤五:信息储存模块接收到储存转移指令后将信息展示模块的信息展示区域中相对应的化合物信息转移至信息储存模块中进行储存。
作为本发明进一步的方案:所述信息验证模块获得人核值RH、文献值WX以及上传值SC的具体过程如下:
接收到信息验证指令后生成化合物验证任务,并将化合物验证任务发送至化学物验证人员的手机终端,若化学物验证人员接受化合物验证任务,则在预设的验证时间内提交化合物信息的验证结果;其中,验证结果包括正确与错误,并提交验证过程中的验证资料;
将验证结果为正确的化学物验证人员标记为同意人员,将验证结果为错误的化学物验证人员标记为反对人员;
获取同意人员的总人数和反对人员的总人数,并将其分别标记为同数值TS和反数值FS,获取同意人员历史数据中接受化合物验证任务的总次数和同意人员的总人数之间的比值,并将其标记为同验值TY,获取反对人员历史数据中接受化合物验证任务的总次数和反对人员的总人数之间的比值,并将其标记为反验值FY,获取同意人员历史数据中接受化合物验证任务的总工作时长和同意人员的总人数之间的比值,并将其标记为同工值TG,获取反对人员历史数据中接受化合物验证任务的总工作时长和反对人员的总人数之间的比值,并将其标记为反工值FG,将同数值TS、反数值FS、同验值TY、反验值FY、同工值TG以及反工值FG代入公式中得到人核值RH,其中,r1为同数值TS、反数值FS的预设比例系数,r2为同验值TY、反验值FY的预设比例系数,r3为同工值TG、反工值FG的预设比例系数,且r1+r2+r3=1,0<r3<r2<r1<1,取r1=0.43,r2=0.32,r3=0.25;
从公开文献中进行查询,根据化学名称或者化学结构式获取公开文献中公开化合物的总篇幅数,并将其标记为文幅值WF,获取公开化合物最早的公开文献的公开时间与当前时间,获取两者之间的时间差,并将其标记为文时值WS,将文幅值WF、文时值WS代入公式WX=w1×WS+w2×WF中得到文献值WX,其中,w1、w2分别为文幅值WF、文时值WS的预设比例系数,且w1+w2=1,0<w1<w2<1,取w1=0.45,w2=0.55;
从信息展示区域中进行查询,根据化学名称获取化合物被非同一用户上传的总次数,并将其标记为传次值CC,获取化合物最早的上传时间与当前时间,获取两者之间的时间差,并将其标记为传时值CS,将传次值CC、传时值CS代入公式SC=s1×CC+s2×CS中得到上传值SC,其中,s1、s2分别为传次值CC、传时值CS的预设比例系数,且s1+s2=1,0<s2<s1<1,取s1=0.57,s2=0.43;
将人核值RH、文献值WX以及上传值SC发送至数据处理模块。
作为本发明进一步的方案:所述数据处理模块获得储移系数CY的具体过程如下:
将人核值RH、文献值WX以及上传值SC代入公式 得到储移系数CY,其中,c1、c2以及c3分别为人核值RH、文献值WX以及上传值SC的预设权重系数,且c1>c2>c3>1.14,取c1=1.88,c2=1.65,c3=1.29;
将储移系数CY发送至信息库构建平台。
作为本发明进一步的方案:一种基于人工智能的化合物库构建方法,还包括以下步骤:
步骤一:用户将化合物信息上传至信息展示模块的信息展示区域,上传成功后生成信息验证指令,并将信息验证指令发送至信息验证模块;其中,化合物信息包括化学名称、化学分子式、化学结构式、分子量以及合成方法,根据化学名称将相同化学名称的化合物信息进行合并;
步骤二:信息验证模块接收到信息验证指令后生成化合物验证任务,并将化合物验证任务发送至化学物验证人员的手机终端,若化学物验证人员接受化合物验证任务,则在预设的验证时间内提交化合物信息的验证结果;其中,验证结果包括正确与错误,并提交验证过程中的验证资料;
步骤三:信息验证模块将验证结果为正确的化学物验证人员标记为同意人员,将验证结果为错误的化学物验证人员标记为反对人员;
步骤四:信息验证模块获取同意人员的总人数和反对人员的总人数,并将其分别标记为同数值TS和反数值FS,获取同意人员历史数据中接受化合物验证任务的总次数和同意人员的总人数之间的比值,并将其标记为同验值TY,获取反对人员历史数据中接受化合物验证任务的总次数和反对人员的总人数之间的比值,并将其标记为反验值FY,获取同意人员历史数据中接受化合物验证任务的总工作时长和同意人员的总人数之间的比值,并将其标记为同工值TG,获取反对人员历史数据中接受化合物验证任务的总工作时长和反对人员的总人数之间的比值,并将其标记为反工值FG,将同数值TS、反数值FS、同验值TY、反验值FY、同工值TG以及反工值FG代入公式中得到人核值RH,其中,r1为同数值TS、反数值FS的预设比例系数,r2为同验值TY、反验值FY的预设比例系数,r3为同工值TG、反工值FG的预设比例系数,且r1+r2+r3=1,0<r3<r2<r1<1,取r1=0.43,r2=0.32,r3=0.25;
步骤五:信息验证模块从公开文献中进行查询,根据化学名称或者化学结构式获取公开文献中公开化合物的总篇幅数,并将其标记为文幅值WF,获取公开化合物最早的公开文献的公开时间与当前时间,获取两者之间的时间差,并将其标记为文时值WS,将文幅值WF、文时值WS代入公式WX=w1×WS+w2×WF中得到文献值WX,其中,w1、w2分别为文幅值WF、文时值WS的预设比例系数,且w1+w2=1,0<w1<w2<1,取w1=0.45,w2=0.55;
步骤六:信息验证模块从信息展示区域中进行查询,根据化学名称获取化合物被非同一用户上传的总次数,并将其标记为传次值CC,获取化合物最早的上传时间与当前时间,获取两者之间的时间差,并将其标记为传时值CS,将传次值CC、传时值CS代入公式SC=s1×CC+s2×CS中得到上传值SC,其中,s1、s2分别为传次值CC、传时值CS的预设比例系数,且s1+s2=1,0<s2<s1<1,取s1=0.57,s2=0.43;
步骤七:信息验证模块将人核值RH、文献值WX以及上传值SC发送至数据处理模块;
步骤八:数据处理模块将人核值RH、文献值WX以及上传值SC代入公式 得到储移系数CY,其中,c1、c2以及c3分别为人核值RH、文献值WX以及上传值SC的预设权重系数,且c1>c2>c3>1.14,取c1=1.88,c2=1.65,c3=1.29;
步骤九:数据处理模块将储移系数CY发送至信息库构建平台;
步骤十:信息库构建平台将储移系数CY与预设的储移阈值CYy进行比较:若储移系数CY>储移阈值CYy,则生成储存转移指令,并将储存转移指令发送至信息储存模块;
步骤十一:信息储存模块接收到储存转移指令后将信息展示模块的信息展示区域中相对应的化合物信息转移至信息储存模块中进行储存。
本发明的有益效果:
本发明的一种基于人工智能的化合物库构建方法,通过将化合物信息上传至信息展示模块的信息展示区域,通过信息验证模块接收到信息验证指令后通过化学物验证人员对化合物信息进行验证,并获得人核值,之后根据公开文献获得文献值,根据信息展示区域获得上传值,通过数据处理模块根据人核值、文献值以及上传值获得储移系数,通过信息库构建平台根据储移系数生成储存转移指令,通过信息储存模块接收到储存转移指令后将信息展示模块的信息展示区域中相对应的化合物信息转移至信息储存模块中进行储存;该化合物库构建方法首先通过化学物验证人员对化合物信息进行验证,获得的人核值用于衡量化合物信息的准确程度,且人核值越大表示准确程度越高,之后根据公开文献获得的文献值用于衡量公开文献中进行公开的程度,且文献值越大表示公开程度越高,之后根据信息展示区域获得的上传值用于衡量上传用户对化合物信息的认可程度,且上传值越大表示认可程度越高,最终通过三者获得的储移系数能够综合衡量化合物信息准确度以及偏差度,储移系数越大表示准确度高且偏差小,提高了化合物信息的可信程度,最终对其进行转移储存;该化合物库构建方法能够快速高效地构建化合物库,提高研究人员在药物研发和化学合成等领域的工作效率,还通过多方面进行验证进行极大地提高化合物库构建的效率和准确性,还有助于推动相关领域的科学研究与发展。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明中一种基于人工智能的化合物库构建方法的原理框图。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:
请参阅图1所示,本实施例为一种基于人工智能的化合物库构建方法,包括以下模块:信息展示模块、信息验证模块、数据处理模块、信息库构建平台以及信息储存模块;
其中,所述信息展示模块用于用户将化合物信息上传至信息展示区域,上传成功后生成信息验证指令,并将信息验证指令发送至信息验证模块;
其中,所述信息验证模块用于接收到信息验证指令后通过化学物验证人员对化合物信息进行验证,并获得人核值RH,之后根据公开文献获得文献值WX,根据信息展示区域获得上传值SC,并将人核值RH、文献值WX以及上传值SC发送至数据处理模块;
其中,所述数据处理模块用于根据人核值RH、文献值WX以及上传值SC获得储移系数CY,并将储移系数CY发送至信息库构建平台;
其中,所述信息库构建平台用于根据储移系数CY生成储存转移指令,并将储存转移指令发送至信息储存模块;
其中,所述信息储存模块用于接收到储存转移指令后将信息展示模块的信息展示区域中相对应的化合物信息转移至信息储存模块中进行储存。
实施例2:
请参阅图1所示,本实施例为一种基于人工智能的化合物库构建方法,包括以下步骤:
步骤一:用户将化合物信息上传至信息展示模块的信息展示区域,上传成功后生成信息验证指令,并将信息验证指令发送至信息验证模块;其中,化合物信息包括化学名称、化学分子式、化学结构式、分子量以及合成方法,根据化学名称将相同化学名称的化合物信息进行合并;
步骤二:信息验证模块接收到信息验证指令后生成化合物验证任务,并将化合物验证任务发送至化学物验证人员的手机终端,若化学物验证人员接受化合物验证任务,则在预设的验证时间内提交化合物信息的验证结果;其中,验证结果包括正确与错误,并提交验证过程中的验证资料;
步骤三:信息验证模块将验证结果为正确的化学物验证人员标记为同意人员,将验证结果为错误的化学物验证人员标记为反对人员;
步骤四:信息验证模块获取同意人员的总人数和反对人员的总人数,并将其分别标记为同数值TS和反数值FS,获取同意人员历史数据中接受化合物验证任务的总次数和同意人员的总人数之间的比值,并将其标记为同验值TY,获取反对人员历史数据中接受化合物验证任务的总次数和反对人员的总人数之间的比值,并将其标记为反验值FY,获取同意人员历史数据中接受化合物验证任务的总工作时长和同意人员的总人数之间的比值,并将其标记为同工值TG,获取反对人员历史数据中接受化合物验证任务的总工作时长和反对人员的总人数之间的比值,并将其标记为反工值FG,将同数值TS、反数值FS、同验值TY、反验值FY、同工值TG以及反工值FG代入公式中得到人核值RH,其中,r1为同数值TS、反数值FS的预设比例系数,r2为同验值TY、反验值FY的预设比例系数,r3为同工值TG、反工值FG的预设比例系数,且r1+r2+r3=1,0<r3<r2<r1<1,取r1=0.43,r2=0.32,r3=0.25;
步骤五:信息验证模块从公开文献中进行查询,根据化学名称或者化学结构式获取公开文献中公开化合物的总篇幅数,并将其标记为文幅值WF,获取公开化合物最早的公开文献的公开时间与当前时间,获取两者之间的时间差,并将其标记为文时值WS,将文幅值WF、文时值WS代入公式WX=w1×WS+w2×WF中得到文献值WX,其中,w1、w2分别为文幅值WF、文时值WS的预设比例系数,且w1+w2=1,0<w1<w2<1,取w1=0.45,w2=0.55;
步骤六:信息验证模块从信息展示区域中进行查询,根据化学名称获取化合物被非同一用户上传的总次数,并将其标记为传次值CC,获取化合物最早的上传时间与当前时间,获取两者之间的时间差,并将其标记为传时值CS,将传次值CC、传时值CS代入公式SC=s1×CC+s2×CS中得到上传值SC,其中,s1、s2分别为传次值CC、传时值CS的预设比例系数,且s1+s2=1,0<s2<s1<1,取s1=0.57,s2=0.43;
步骤七:信息验证模块将人核值RH、文献值WX以及上传值SC发送至数据处理模块;
步骤八:数据处理模块将人核值RH、文献值WX以及上传值SC代入公式 得到储移系数CY,其中,c1、c2以及c3分别为人核值RH、文献值WX以及上传值SC的预设权重系数,且c1>c2>c3>1.14,取c1=1.88,c2=1.65,c3=1.29;
步骤九:数据处理模块将储移系数CY发送至信息库构建平台;
步骤十:信息库构建平台将储移系数CY与预设的储移阈值CYy进行比较:若储移系数CY>储移阈值CYy,则生成储存转移指令,并将储存转移指令发送至信息储存模块;
步骤十一:信息储存模块接收到储存转移指令后将信息展示模块的信息展示区域中相对应的化合物信息转移至信息储存模块中进行储存。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”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发明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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (3)
1.一种基于人工智能的化合物库构建方法,其特征在于,包括以下步骤:
步骤一:用户将化合物信息上传至信息展示模块的信息展示区域,上传成功后生成信息验证指令,并将信息验证指令发送至信息验证模块;
步骤二:信息验证模块接收到信息验证指令后通过化学物验证人员对化合物信息进行验证,并获得人核值,之后根据公开文献获得文献值,根据信息展示区域获得上传值,并将人核值、文献值以及上传值发送至数据处理模块;
步骤三:数据处理模块根据人核值、文献值以及上传值获得储移系数,并将储移系数发送至信息库构建平台;
步骤四:信息库构建平台根据储移系数生成储存转移指令,并将储存转移指令发送至信息储存模块;
步骤五:信息储存模块接收到储存转移指令后将信息展示模块的信息展示区域中相对应的化合物信息转移至信息储存模块中进行储存。
2.根据权利要求1所述的一种基于人工智能的化合物库构建方法,其特征在于,所述信息验证模块获得人核值、文献值以及上传值的具体过程如下:
接收到信息验证指令后生成化合物验证任务,并将化合物验证任务发送至化学物验证人员的手机终端,若化学物验证人员接受化合物验证任务,则在预设的验证时间内提交化合物信息的验证结果;其中,验证结果包括正确与错误,并提交验证过程中的验证资料;
将验证结果为正确的化学物验证人员标记为同意人员,将验证结果为错误的化学物验证人员标记为反对人员;
获取同意人员的总人数和反对人员的总人数,并将其分别标记为同数值和反数值,获取同意人员历史数据中接受化合物验证任务的总次数和同意人员的总人数之间的比值,并将其标记为同验值,获取反对人员历史数据中接受化合物验证任务的总次数和反对人员的总人数之间的比值,并将其标记为反验值,获取同意人员历史数据中接受化合物验证任务的总工作时长和同意人员的总人数之间的比值,并将其标记为同工值,获取反对人员历史数据中接受化合物验证任务的总工作时长和反对人员的总人数之间的比值,并将其标记为反工值,将同数值、反数值、同验值、反验值、同工值以及反工值经过分析得到人核值;
从公开文献中进行查询,根据化学名称或者化学结构式获取公开文献中公开化合物的总篇幅数,并将其标记为文幅值,获取公开化合物最早的公开文献的公开时间与当前时间,获取两者之间的时间差,并将其标记为文时值,将文幅值、文时值经过分析得到文献值;
从信息展示区域中进行查询,根据化学名称获取化合物被非同一用户上传的总次数,并将其标记为传次值,获取化合物最早的上传时间与当前时间,获取两者之间的时间差,并将其标记为传时值,将传次值、传时值经过分析得到上传值;
将人核值、文献值以及上传值发送至数据处理模块。
3.根据权利要求1所述的一种基于人工智能的化合物库构建方法,其特征在于,所述数据处理模块获得储移系数的具体过程如下:
将人核值、文献值以及上传值经过分析得到储移系数;
将储移系数发送至信息库构建平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310966117.4A CN116864036A (zh) | 2023-08-02 | 2023-08-02 | 一种基于人工智能的化合物库构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310966117.4A CN116864036A (zh) | 2023-08-02 | 2023-08-02 | 一种基于人工智能的化合物库构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116864036A true CN116864036A (zh) | 2023-10-10 |
Family
ID=88228628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310966117.4A Pending CN116864036A (zh) | 2023-08-02 | 2023-08-02 | 一种基于人工智能的化合物库构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116864036A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003044481A (ja) * | 2001-08-02 | 2003-02-14 | World Fusion Co Ltd | 研究遺伝子産物の重要性を予測するシステム |
CN1701343A (zh) * | 2002-09-20 | 2005-11-23 | 德克萨斯大学董事会 | 用于信息发现以及关联分析的计算机程序产品、系统以及方法 |
CN105160206A (zh) * | 2015-10-08 | 2015-12-16 | 中国科学院数学与系统科学研究院 | 一种预测药物的蛋白质相互作用靶点的方法和系统 |
CN111696623A (zh) * | 2020-05-28 | 2020-09-22 | 上海药明康德新药开发有限公司 | 一种基于dna编码化合物库的实验室信息管理系统 |
CN111863120A (zh) * | 2020-06-28 | 2020-10-30 | 深圳晶泰科技有限公司 | 晶体复合物的药物虚拟筛选系统及方法 |
CN113436686A (zh) * | 2021-06-23 | 2021-09-24 | 腾讯科技(深圳)有限公司 | 基于人工智能的化合物库构建方法、装置、设备及存储介质 |
CN113506011A (zh) * | 2021-07-22 | 2021-10-15 | 陈俊 | 一种基于质量验证与推广的终端系统 |
CN114822717A (zh) * | 2021-01-28 | 2022-07-29 | 腾讯科技(深圳)有限公司 | 基于人工智能的药物分子处理方法、装置、设备及存储介质 |
US20220351053A1 (en) * | 2020-12-16 | 2022-11-03 | Ro5 Inc. | System and method for feedback-driven automated drug discovery |
-
2023
- 2023-08-02 CN CN202310966117.4A patent/CN116864036A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003044481A (ja) * | 2001-08-02 | 2003-02-14 | World Fusion Co Ltd | 研究遺伝子産物の重要性を予測するシステム |
CN1701343A (zh) * | 2002-09-20 | 2005-11-23 | 德克萨斯大学董事会 | 用于信息发现以及关联分析的计算机程序产品、系统以及方法 |
CN105160206A (zh) * | 2015-10-08 | 2015-12-16 | 中国科学院数学与系统科学研究院 | 一种预测药物的蛋白质相互作用靶点的方法和系统 |
CN111696623A (zh) * | 2020-05-28 | 2020-09-22 | 上海药明康德新药开发有限公司 | 一种基于dna编码化合物库的实验室信息管理系统 |
CN111863120A (zh) * | 2020-06-28 | 2020-10-30 | 深圳晶泰科技有限公司 | 晶体复合物的药物虚拟筛选系统及方法 |
US20220351053A1 (en) * | 2020-12-16 | 2022-11-03 | Ro5 Inc. | System and method for feedback-driven automated drug discovery |
CN114822717A (zh) * | 2021-01-28 | 2022-07-29 | 腾讯科技(深圳)有限公司 | 基于人工智能的药物分子处理方法、装置、设备及存储介质 |
CN113436686A (zh) * | 2021-06-23 | 2021-09-24 | 腾讯科技(深圳)有限公司 | 基于人工智能的化合物库构建方法、装置、设备及存储介质 |
CN113506011A (zh) * | 2021-07-22 | 2021-10-15 | 陈俊 | 一种基于质量验证与推广的终端系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111737476A (zh) | 文本处理方法、装置、计算机可读存储介质及电子设备 | |
WO2020156389A1 (zh) | 信息推送方法和装置 | |
CN109919316A (zh) | 获取网络表示学习向量的方法、装置和设备及存储介质 | |
US20140379602A1 (en) | Skill-driven education marketplace | |
Krol et al. | Efficient decomposition of unitary matrices in quantum circuit compilers | |
CN114360639A (zh) | 基于人工智能的药物靶点作用关系确定方法及装置 | |
CN113220908B (zh) | 知识图谱的匹配方法和装置 | |
CN112085091B (zh) | 基于人工智能的短文本匹配方法、装置、设备及存储介质 | |
CN114547267A (zh) | 智能问答模型的生成方法、装置、计算设备和存储介质 | |
Gómez et al. | An asymmetric bimodal distribution with application to quantile regression | |
Akhter et al. | On the generalized Bilal distribution: some properties and estimation under ranked set sampling | |
Iffath et al. | Online judging platform utilizing dynamic plagiarism detection facilities | |
Tuo et al. | A new method for analyzing the performance of the harmony search algorithm | |
Ren et al. | Prediction of ultimate bearing capacity of pile foundation based on two optimization algorithm models | |
CN116864036A (zh) | 一种基于人工智能的化合物库构建方法 | |
CN113611354A (zh) | 一种基于轻量级深度卷积网络的蛋白质扭转角预测方法 | |
CN111597336B (zh) | 训练文本的处理方法、装置、电子设备及可读存储介质 | |
CN110262906B (zh) | 接口标签推荐方法、装置、存储介质和电子设备 | |
CN117711600A (zh) | 一种基于llm模型的电子病历问答系统 | |
Capolupo et al. | Field Mixing in Curved Spacetime and Dark Matter | |
Shi et al. | A new program to estimate the parameters of Preston’s equation, a general formula for describing the egg shape of birds | |
Van et al. | Combined Gaussian local search and enhanced comprehensive learning PSO algorithm for size and shape optimization of truss structures | |
Marchisella et al. | Comparative assessment of shear demand for RC beam-column joints under earthquake loading | |
Yang et al. | Applying genetic programming with similar bug fix information to automatic fault repair | |
CN113761367B (zh) | 机器人流程自动化程序的推送系统及方法、装置、计算设备 |
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 |