一种基于数据分析的药物组分检测方法与系统技术方案

本发明专利技术提供了一种基于数据分析的药物组分检测方法与系统，其中，方法包括：获取第一靶向蛋白、待检测的靶向药物以及所述靶向药物作用于所述第一靶向蛋白后的第二靶向蛋白，并通过太赫兹时域光谱技术提取其官能团数据，通过获取靶向蛋白以及靶向药物的相关数据，输入至生成模型中生成结果，并采用判别网络进行纠正。本发明专利技术的有益效果：实现了不仅仅只是对靶向药物进行色谱分析，而是从其与靶向蛋白反应后的数据进行综合分析，提高了结果分析的精确度，使结果更加真实可信。使结果更加真实可信。使结果更加真实可信。

【技术实现步骤摘要】
一种基于数据分析的药物组分检测方法与系统


[0001]本专利技术涉及数字医疗领域，特别涉及一种基于数据分析的药物组分检测方法与系统。

技术介绍

[0002]药物分析是分析化学中的一个重要分支, 它随着药物化学的发展逐渐成为分析化学中相对独立的一门学科, 在药物的质量控制、新药研究、药物代谢、手性药物分析等方面均有广泛应用。
[0003]目前，对于药物的分析仅在于通过对药物进行化学或物理的分析，传统的化学分析方法比较复杂，分析成本较高，而物理分析方法主要是通过色谱图和核磁共振来进行检测，然而这种分析方法不能很好对药物组分进行分析，存在较大的误差。

技术实现思路

[0004]本专利技术的主要目的为提供一种基于数据分析的药物组分检测方法、装置、设备以及存储介质，旨在解决现有的物理分析方法存在较大的误差的问题。
[0005]本专利技术提供了一种基于数据分析的药物组分检测方法，包括：获取第一靶向蛋白、待检测的靶向药物以及所述靶向药物作用于所述第一靶向蛋白后的第二靶向蛋白；通过太赫兹时域光谱技术获取所述第一靶向蛋白的第一色谱图、所述靶向药物的第二色谱图以及所述第二靶向蛋白的第三色谱图；从所述第一色谱图中获取对应的第一官能团数据、从所述第二色谱图中获取对应的第二官能团数据以及从所述第三色谱图中获取对应的第三官能团数据；将所述第三官能团数据与所述第一官能团数据进行比较，得到所述第三官能团数据减少的第四官能团数据以及第三官能团增加的第五官能团数据；将所述第二官能团数据输入生成模型中，并将所述第五官能团数据、所述第一官能团数据、所述第三官能团数据以及所述第四官能团数据输入至判别模型中；其中，所述生成模型和所述判别模型通过不同的官能团数据以及对应的药物组分同步训练而成；通过所述判别模型的输出结果对所述生成模型输出的结果进行纠正，得到所述生成模型输出的药物组分。
[0006]进一步地，所述将所述第二官能团数据输入生成模型中，并将所述第五官能团数据、所述第一官能团数据、所述第三官能团数据以及所述第四官能团数据输入至判别模型中的步骤之前，还包括：获取官能团训练样本集；其中，所述官能团训练样本集中的一组数据包括药物组分、第一官能团训练数据、第二官能团训练数据、第三官能团训练数据、第四官能团训练数据和第五官能团训练数据；
将所述第一官能团训练数据输入至初始生成模型中，得到最佳预测值，将所述药物组分输入所述初始生成模型中，通过公式对所述初始生成模型进行初始训练，并得到训练后的暂时预测值和中间生成模型，并将所述第二官能团训练数据、所述第三官能团训练数据、所述第四官能团训练数据和所述第五官能团训练数据进行向量拼接，得到综合训练数据，将所述综合训练数据输入至初始判别模型中，通过公式对所述初始生成模型进行初始训练，得到中间判别模型；其中，，，表示生成模型的参数集，表示判别模型的参数集；根据公式对所述中间生成模型和中间判别模型进行二次训练，训练完成后得到所述生成模型和所述判别模型；其中表示在满足上述公式的前提下取的最小值以及的最大值。
[0007]进一步地，所述训练完成后得到所述生成模型和所述判别模型的步骤之后，还包括：获取官能团检测样本集以及真实药物组分；其中，所述官能团检测样本集中的一组数据包括药物组分、第一官能团检测数据、第二官能团检测数据、第三官能团检测数据、第四官能团检测数据和第五官能团检测数据；将所述第一官能团检测数据输入至所述生成模型中，并将所述第二官能团检测数据、所述第三官能团检测数据、所述第四官能团检测数据和所述第五官能团检测数据进行向量拼接，得到综合检测数据，将所述综合检测数据输入至所述判别模型中，对所述生成模型进行纠正，得到预测药物组分；根据所述预测药物组分与所述真实药物组分得到所述生成模型和所述中间判别模型的综合损失值；判断所述综合损失值是否小于预设损失值；若是，则判定训练完成后得到所述生成模型和所述判别模型满足训练要求。
[0008]进一步地，所述将所述第二官能团数据输入生成模型中，并将所述第五官能团数据、所述第一官能团数据、所述第三官能团数据以及所述第四官能团数据输入至判别模型中的步骤之前，还包括：将所述第二官能团数据输入至预设的药物组分分析模型中，得到多个目标药物组分；其中，所述药物组分分析模型根据各种药物组分以及对应的官能团训练而成；将各所述目标药物组分输入至所述生成模型中，分别作为所述生成模型的输出通
道。
[0009]进一步地，所述将所述第三官能团数据与所述第一官能团数据进行比较，得到所述第三官能团数据减少的第四官能团数据以及第三官能团增加的第五官能团数据的步骤之后，还包括：将所述第四官能团数据和第五官能团数据进行加权平均，得到第六官能团数据；根据所述第六官能团数据获取第一官能团数目；将所述第一官能团数目除以所述第二官能团数据中对应的第二官能团数据，得到所述靶向药物的结合分值；根据所述结合分值判断所述靶向药物的疗效。
[0010]本专利技术还提供了一种基于数据分析的药物组分检测系统，包括：第一获取模块，用于获取第一靶向蛋白、待检测的靶向药物以及所述靶向药物作用于所述第一靶向蛋白后的第二靶向蛋白；第二获取模块，用于通过太赫兹时域光谱技术获取所述第一靶向蛋白的第一色谱图、所述靶向药物的第二色谱图以及所述第二靶向蛋白的第三色谱图；第三获取模块，用于从所述第一色谱图中获取对应的第一官能团数据、从所述第二色谱图中获取对应的第二官能团数据以及从所述第三色谱图中获取对应的第三官能团数据；比较模块，用于将所述第三官能团数据与所述第一官能团数据进行比较，得到所述第三官能团数据减少的第四官能团数据以及第三官能团增加的第五官能团数据；输入模块，用于将所述第二官能团数据输入生成模型中，并将所述第五官能团数据、所述第一官能团数据、所述第三官能团数据以及所述第四官能团数据输入至判别模型中；其中，所述生成模型和所述判别模型通过不同的官能团数据以及对应的药物组分同步训练而成；纠正模块，用于通过所述判别模型的输出结果对所述生成模型输出的结果进行纠正，得到所述生成模型输出的药物组分。
[0011]进一步地，所述基于数据分析的药物组分检测系统，还包括：训练样本集获取模块，用于获取官能团训练样本集；其中，所述官能团训练样本集中的一组数据包括药物组分、第一官能团训练数据、第二官能团训练数据、第三官能团训练数据、第四官能团训练数据和第五官能团训练数据；训练数据输入模块，用于将所述第一官能团训练数据输入至初始生成模型中，得到最佳预测值，将所述药物组分输入所述初始生成模型中，通过公式对所述初始生成模型进行初始训练，并得到训练后的暂时预测值和中间生成模型，并将所述第二官能团训练数据、所述第三官能团训练数据、所述第四官能团训练数据和所述第五官能团训练数据进行向量拼接，得到综合训练数据，将所述综合训练数据输入至初始判别模型中，通过公式
对所述初始生成模型进行初始训练，得到中间判别模型；其中，，，表示生成模型的参数集，表示判别模型的参数集；二次训练模块，用于根据公式对所述中间生成模型和中间判别模型进行二次训练，训练完成后得到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据分析的药物组分检测方法，其特征在于，包括：获取第一靶向蛋白、待检测的靶向药物以及所述靶向药物作用于所述第一靶向蛋白后的第二靶向蛋白；通过太赫兹时域光谱技术获取所述第一靶向蛋白的第一色谱图、所述靶向药物的第二色谱图以及所述第二靶向蛋白的第三色谱图；从所述第一色谱图中获取对应的第一官能团数据、从所述第二色谱图中获取对应的第二官能团数据以及从所述第三色谱图中获取对应的第三官能团数据；将所述第三官能团数据与所述第一官能团数据进行比较，得到所述第三官能团数据减少的第四官能团数据以及第三官能团增加的第五官能团数据；将所述第二官能团数据输入生成模型中，并将所述第五官能团数据、所述第一官能团数据、所述第三官能团数据以及所述第四官能团数据输入至判别模型中；其中，所述生成模型和所述判别模型通过不同的官能团数据以及对应的药物组分同步训练而成；通过所述判别模型的输出结果对所述生成模型输出的结果进行纠正，得到所述生成模型输出的药物组分。2.如权利要求1所述的基于数据分析的药物组分检测方法，其特征在于，所述将所述第二官能团数据输入生成模型中，并将所述第五官能团数据、所述第一官能团数据、所述第三官能团数据以及所述第四官能团数据输入至判别模型中的步骤之前，还包括：获取官能团训练样本集；其中，所述官能团训练样本集中的一组数据包括药物组分、第一官能团训练数据、第二官能团训练数据、第三官能团训练数据、第四官能团训练数据和第五官能团训练数据；将所述第一官能团训练数据输入至初始生成模型中，得到最佳预测值，将所述药物组分输入所述初始生成模型中，通过公式对所述初始生成模型进行初始训练，并得到训练后的暂时预测值和中间生成模型，并将所述第二官能团训练数据、所述第三官能团训练数据、所述第四官能团训练数据和所述第五官能团训练数据进行向量拼接，得到综合训练数据，将所述综合训练数据输入至初始判别模型中，通过公式对所述初始生成模型进行初始训练，得到中间判别模型；其中，，，表示生成模型的参数集，表示判别模型的参数集；根据公式对所述中间生成模型和中间判别模型进行二次训练，训练完成后得到所述生成模型和所述判别模
型；其中表示在满足上述公式的前提下取的最小值以及的最大值。3.如权利要求2所述的基于数据分析的药物组分检测方法，其特征在于，所述训练完成后得到所述生成模型和所述判别模型的步骤之后，还包括：获取官能团检测样本集以及真实药物组分；其中，所述官能团检测样本集中的一组数据包括药物组分、第一官能团检测数据、第二官能团检测数据、第三官能团检测数据、第四官能团检测数据和第五官能团检测数据；将所述第一官能团检测数据输入至所述生成模型中，并将所述第二官能团检测数据、所述第三官能团检测数据、所述第四官能团检测数据和所述第五官能团检测数据进行向量拼接，得到综合检测数据，将所述综合检测数据输入至所述判别模型中，对所述生成模型进行纠正，得到预测药物组分；根据所述预测药物组分与所述真实药物组分得到所述生成模型和所述中间判别模型的综合损失值；判断所述综合损失值是否小于预设损失值；若是，则判定训练完成后得到所述生成模型和所述判别模型满足训练要求。4.如权利要求1所述的基于数据分析的药物组分检测方法，其特征在于，所述将所述第二官能团数据输入生成模型中，并将所述第五官能团数据、所述第一官能团数据、所述第三官能团数据以及所述第四官能团数据输入至判别模型中的步骤之前，还包括：将所述第二官能团数据输入至预设的药物组分分析模型中，得到多个目标药物组分；其中，所述药物组分分析模型根据各种药物组分以及对应的官能团训练而成；将各所述目标药物组分输入至所述生成模型中，分别作为所述生成模型的输出通道。5.如权利要求1所述的基于数据分析的药物组分检测方法，其特征在于，所述将所述第三官能团数据与所述第一官能团数据进行比较，得到所述第三官能团数据减少的第四官能团数据以及第三官能团增加的第五官能团数据的步骤之后，还包括：将所述第四官能团数据和第五官能团数据进行加权平均，得到第六官能团数据；根据所述第六官能团数据获取第一官能团数目；将所述第一官能团数目除以所述第二官能团数据中对应的第二官能团数据，得到所述靶向药物的结合分值；根据所述结合分值判断所述靶向药物的疗效。6.一种基于数据分析的药物组分检...

【专利技术属性】
技术研发人员：张杨，陈桂英，庄炜平，姜宏梁，
申请(专利权)人：武汉宏韧生物医药股份有限公司，
类型：发明
国别省市：