摘要
本发明公开了一种基于机器学习的抗内质网应激青光眼降眼压药物发现方法,通过构建抗内质网应激化合物库:通过靶点无关的策略,构建抗内质网应激的化合物库;机器学习模型训练与药物筛选:提取多项药物理化特征和结构特征进行机器学习模型模型训练,对已上市及临床前的多个药物进行计算机筛选,选出抗内质网应激化合物;青光眼疾病表型验证:将筛选出的抗内质网应激化合物在预设的青光眼细胞模型和动物模型中进行验证。本发明将探索新型的青光眼降眼压药物,扩充已有药物的作用机制,建立靶向无关的药物发现模型,充分探索基于疾病表型的青光眼药物发现策略。
技术关键词
降眼压药物
机器学习模型训练
化合物库
青光眼疾病
细胞模型
高通量筛选
理化特征
青光眼药物
动物模型
训练集
特征选择
随机森林
策略
小鼠
指标
计算机
系统为您推荐了相关专利信息
深度调节方法
青稞穗头
调节执行机构
专用联合收割机
深度调节功能
风险预测模型
监测精神分裂症
预防精神分裂症
标志物
机器学习模型
试剂盒
细胞模型
细胞培养基
强度随时间变化
细胞悬液
肺纤维化药物
肺纤维化疾病药物
多肽
细胞模型
生物制剂
照明配电
交互系统
场景特征
模板
训练机器学习模型