药物靶点的预测方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种药物靶点的预测方法、装置及计算机可读存储介质。其中，该方法包括：获取针对药物靶点在预定时间范围内的公开数据；提取公开数据的多维数据特征，其中，多维数据特征包括：公开数据的数量特征，公开数据的公开主体的质量特征，公开数据中包括药物靶点的机理特征，公开数据中包括药物靶点的结构特征；联合多维数据特征，针对药物靶点进行预测，得到药物靶点的目标预测结果。本发明专利技术解决了药物靶点在投入使用前的研究周期长、效率低的技术问题。术问题。术问题。

【技术实现步骤摘要】
药物靶点的预测方法、装置及计算机可读存储介质


[0001]本专利技术涉及数据处理领域，具体而言，涉及一种药物靶点的预测方法、装置及计算机可读存储介质。

技术介绍

[0002]在相关技术中，针对药物靶点的研究，均是通过人工分析得到的，还没有一种可行的方法可以使相关科研人员准确获知药物靶点的预计投入使用时间，且关于药物靶点的研究也普遍存在周期长、效率低的问题。
[0003]因此，在相关技术中，存在药物靶点在投入使用前的研究周期长、效率低的技术问题。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种药物靶点的预测方法、装置及计算机可读存储介质，以至少解决药物靶点在投入使用前的研究周期长、效率低的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种药物靶点的预测方法，包括：获取针对药物靶点在预定时间范围内的公开数据；提取公开数据的多维数据特征，其中，多维数据特征包括：公开数据的数量特征，公开数据的公开主体的质量特征，公开数据中包括药物靶点的机理特征，公开数据中包括药物靶点的结构特征；联合多维数据特征，针对药物靶点进行预测，得到药物靶点的目标预测结果。
[0007]可选地，提取公开数据的多维数据特征中药物靶点的机理特征和结构特征，包括：对公开数据所包括的文本语句进行筛选，得到目标语句；从目标语句中，提取药物靶点的机理特征和结构特征。
[0008]可选地，对公开数据所包括的文本语句进行筛选，得到目标文本语句，包括：获取公开数据的标题和摘要；从标题和摘要中筛选出包括药物靶点的语句为目标语句。
[0009]可选地，从目标语句中，提取药物靶点的机理特征，包括：对目标语句进行划分，得到多个机理点，并分别确定多个机理点的特征；分别获取多个机理点对应的第一权重；基于多个机理点的特征，以及分别对应的第一权重，得到药物靶点的机理特征。
[0010]可选地，从目标语句中，提取药物靶点的结构特征，包括：对目标语句进行划分，得到多个结构点，并分别确定多个结构点的特征；分别获取多个结构点对应的第二权重；基于多个结构点的特征，以及分别对应的第二权重，得到药物靶点的结构特征。
[0011]可选地，联合多维数据特征，针对药物靶点进行预测，得到药物靶点的目标预测结果，包括：分别获取多维数据特征在预定时间范围内随时间变化的变化趋势特征，以及多维数据特征分别对应的第三权重；基于多维数据特征，多维数据特征分别对应的变化趋势特征以及多维数据特征分别对应的第三权重，分别得到多个备选预测结果的得分；基于多个备选预测结果的得分，确定药物靶点的目标预测结果。
[0012]可选地，目标预测结果包括以下至少之一：药物靶点进入临床的等待时长，药物靶点所对应目标药物上市的等待时长，药物靶点临床试验成功的概率，药物靶点的多项预测结果的总体评分值。
[0013]根据本专利技术实施例的另一方面，还提供了一种药物靶点的预测装置，包括：获取模块，用于获取针对药物靶点在预定时间范围内的公开数据；提取模块，用于提取公开数据的多维数据特征，其中，多维数据特征包括：公开数据的数量特征，公开数据的公开主体的质量特征，公开数据中包括药物靶点的机理特征，公开数据中包括药物靶点的结构特征；预测模块，用于联合多维数据特征，针对药物靶点进行预测，得到药物靶点的目标预测结果。
[0014]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行上述任意一项的药物靶点的预测方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种计算机设备，包括：存储器和处理器，存储器存储有计算机程序；处理器，用于执行存储器中存储的计算机程序，计算机程序运行时使得处理器执行上述任意一项的药物靶点的预测方法。
[0016]在本专利技术实施例中，通过获取针对药物靶点在预定时间范围内的公开数据并对公开数据中的多维数据特征进行提取，联合提取得到的多维数据特征，就可以对该药物靶点进行预测，得到该药物靶点对应的目标预测结果，利用该目标预测结果，可以对药物靶点进行更有针对性的研究，从而实现了对药物靶点的相关信息进行预测，并利用预测结果缩短药物靶点研究周期、提高研究效率的技术效果，进而解决了药物靶点在投入使用前的研究周期长、效率低技术问题。
附图说明
[0017]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0018]图1是根据本专利技术实施例的药物靶点的预测方法的流程图；
[0019]图2是根据本专利技术实施例的药物靶点的预测装置的结构示意图。
具体实施方式
[0020]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0021]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品
或设备固有的其它步骤或单元。
[0022]术语说明
[0023]药物靶点，药物靶点是指药物在体内的作用结合位点，包括基因位点、受体、酶、离子通道、核酸等生物大分子。现代新药研究与开发的关键首先是寻找、确定和制备药物筛选靶—分子药靶。选择确定新颖的有效药靶是新药开发的首要任务。
[0024]知识图谱(Knowledge Graph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
[0025]注意力机制(Attention Mechanism)，源于对人类视觉的研究。在认知科学中，由于信息处理的瓶颈，人类会选择性地关注所有信息的一部分，同时忽略其他可见的信息。上述机制通常被称为注意力机制。注意力机制主要有两个方面：决定需要关注输入的哪部分；分配有限的信息处理资源给重要的部分。
[0026]根据本专利技术实施例，提供了一种药物靶点的预测方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种药物靶点的预测方法，其特征在于，包括：获取针对药物靶点在预定时间范围内的公开数据；提取所述公开数据的多维数据特征，其中，所述多维数据特征包括：所述公开数据的数量特征，所述公开数据的公开主体的质量特征，所述公开数据中包括所述药物靶点的机理特征，所述公开数据中包括所述药物靶点的结构特征；联合所述多维数据特征，针对所述药物靶点进行预测，得到所述药物靶点的目标预测结果。2.根据权利要求1所述的方法，其特征在于，所述提取所述公开数据的多维数据特征中所述药物靶点的所述机理特征和所述结构特征，包括：对所述公开数据所包括的文本语句进行筛选，得到目标语句；从所述目标语句中，提取所述药物靶点的所述机理特征和所述结构特征。3.根据权利要求2所述的方法，其特征在于，所述对所述公开数据所包括的文本语句进行筛选，得到目标文本语句，包括：获取所述公开数据的标题和摘要；从所述标题和所述摘要中筛选出包括所述药物靶点的语句为所述目标语句。4.根据权利要求2所述的方法，其特征在于，所述从所述目标语句中，提取所述药物靶点的所述机理特征，包括：对所述目标语句进行划分，得到多个机理点，并分别确定所述多个机理点的特征；分别获取所述多个机理点对应的第一权重；基于所述多个机理点的特征，以及分别对应的第一权重，得到所述药物靶点的所述机理特征。5.根据权利要求2所述的方法，其特征在于，所述从所述目标语句中，提取所述药物靶点的所述结构特征，包括：对所述目标语句进行划分，得到多个结构点，并分别确定所述多个结构点的特征；分别获取所述多个结构点对应的第二权重；基于所述多个结构点的特征，以及分别对应的第二权重，得到所述药物靶点的所述结构特征。6.根据权利要求1至5中任一项所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：于翠楠，王飞，
申请(专利权)人：南京燧坤智能科技有限公司，
类型：发明
国别省市：