一种基于深度学习的类药分子筛选系统及方法

本发明涉及药物研发技术领域，公开了一种基于深度学习的类药分子筛选系统及方法，包括物理化学特征分析模块，用于计算化合物的分子描述符并生成可视化特征分布图表；类药分子筛选模块，集成Lipinski规则、Veber规则、Ghose规则和Muegge规则，支持用户自定义筛选规则。本发明通过物理化学特征分析模块全面剖析化合物特征，类药分子筛选模块实现灵活筛选，毒性评估模块精准识别毒性风险，结合亲和力评估模块多途径评估结合能力，合成可行性评估模块规划高效低成本合成路径，动态反馈优化模块持续提升系统性能；各模块协同工作，有效克服现有技术中工具分散、精度不足、规划低效、优化缺失等问题，大幅提高药物研发效率，降低研发风险与成本。