使用液相色谱测试的机器学习进行药物评估
简介
香港理工大学和滑铁卢大学的合作平台'眼视觉研究中心'建立了一个机器学习系统用于预测药物的候选小分子的物理化学性质，并可应用在药物评估上。
创新技术名称
深度分子一款基于人工智能和云计算的应用程序，用于评估化学物质的毒性。
完成研究日期
• 模型开发——完成• 云端的应用程序——需要开发（3-6 个月）
• 迁移学习方法——需要发展（3-6 个月）
• 模型扩展到其他属性——需要开发（6-12 个月）
解决方案
现今，从简单的 SMILES 字符串中快速生成大量分子特征预测分子特性时、分析分子的结构特征及其功能。但这种方法的准确性有限，因为它无法准确说明分子如何与其环境相互作用。
创新技术
- 亲油性logP、辛醇 - 水分布系数是评估目标分子作为药物使用的指标之一，因为其指示目标分子作为药物的吸收、分布、代谢、排泄、毒性和效力。 本发明旨在准确预测分子的亲油性和其它物理化学特性，以便识别候选药物以进行进一步测试。
- 构建了机器学习模型，所述机器学习模型从包含已知亲油性和液相色谱柱中的已知保留时间的小分子物理化学特性的数据库进行训练，以创建亲油性与液相色谱保留时间之间的学习关联。
- 为 log P 预测开发的机器学习模型框架可以轻松扩展到许多其他关键分子特性，例如溶解度 (log S) 和毒性。除了能够对候选药物进行准确的高通量筛选外，这些模型还可用于筛选环境污染物。
主要成效
- 使用人工智能和大数据开发分子特性预测模型，用于小分子药物的临床前评估以及确定环境污染物和毒素（可能存在于食品和饮料中）的特性。
- 预测模型可用于生成对抗网络 (GAN) 中的鉴别器，用于药物开发的新合成目标的自动化计算机设计。
- 客户可以通过迁移学习技术筛选专有数据库（例如，制药公司的内部数据库），从而保护他们自己的知识产权并保留他们的专利信息。
应用范畴
- 我们的主要目标领域是制药公司。
- 我们预计护肤产品／化妆品公司和中草药公司会對此項專利有巨大兴趣。
- 那些关心环境污染的人仕也可能会感兴趣。例如，全氟和多氟烷基物质 (PFAS) 是 9,000 种环境污染物的一类，我们只知当中几十个成员的分子特性。
项目成员
- 张铭恩博士
- Dr. Scott Hopkins
- Dr. Zaw Myo Win
专利申请
- 美国专利（案卷号：USPTO 17/864,393 (2022))
InnoHK眼视觉研究中心（Centre for Eye and Vision Research, 简称CEVR）由香港理工大学与加拿大滑铁卢大学于2020年共同创立，坐落于香港科学园，是香港特别行政区政府创新科技署「InnoHK创新香港研发平台」辖下的研发实验室之一。中心致力研发能够预防、检测、治疗及纾缓视力丧失的技术，并在三大重点范畴开展突破性研究，包括保护和恢复健康视⼒、新⼀代治疗法，以及先进眼视光技术。如欲查阅更多信息，请浏览 www.cevr.hk。
查询
