一种基于人工智能驱动光动力治疗光敏剂的筛选模型及其应用

本申请涉及一种基于人工智能驱动光动力治疗光敏剂的筛选模型，该筛选模型通过获取待检测化合物的mol2文件，并提取待检测化合物的分子特征，经过数据清洗和预处理后作为训练好的机器学习模型1和训练好的机器学习模型2的输入，得到待检测化合物的吸收峰波长和系间窜跃速率，将吸收峰波长＞600nm且系间窜跃速率＞107 s‑1的待检测物质判断为光敏剂候选分子。利用本发明所示筛选模型能够有效筛选出光敏剂候选分子，再人为判断光敏剂候选分子的结构制备难度，进而得到新的光敏剂；利用所示筛选模型辅助研发光敏剂是，高成本低且能够快递提供新的光敏剂候选分子，大大提高了研发效率和研发成功率。