ARIs筛选模型的建立及相关药物的筛选的中期报告.docx

ARIs筛选模型的建立及相关药物的筛选的中期报告
本文主要介绍ARIs筛选模型的中期报告，包括模型的建立和相关药物的筛选。
1.模型的建立
ARIs（AldoseReductaseInhibitors）是一类能够抑制多巴糖还原酶（aldosereductase）活性的化合物，目前已被广泛用于治疗糖尿病视网膜病变、神经病变等疾病。为了筛选出更有效的ARIs药物，我们基于已有的药物结构信息，建立了一种深度学习模型，该模型主要包括以下三部分：
1）分子表示部分：将药物分子表示为一个向量，其中每个维度代表一种原子或者化学键的特征。
2）变换部分：采用多层感知机（multilayerperceptron）对向量进行变换，从而学习到药物分子的高层次特征。
3）判别部分：基于变换后得到的特征向量，采用逻辑回归（logisticregression）进行二分类，判别该药物是否为有效的ARIs药物。
在模型的训练过程中，我们采用了多种数据增强方法，包括旋转、水平翻转、垂直翻转等方法，以增加训练集的丰富性和多样性。同时，我们还对数据进行了平衡处理，以避免模型出现过拟合的情况。
2.相关药物的筛选
基于我们建立的模型，我们对包括已有ARIs药物、天然物质和化合物库中的数千种化合物进行了筛选。我们将筛选结果按照预测的概率值进行排序，对排名前10的化合物进行了进一步的活性测定。
实验结果表明，我们的模型具有较高的预测精度和稳定性，能够有效地筛选出有效的ARIs药物。我们进一步对排名前10的化合物进行了体外和体内实验，结果表明其中多个化合物的抑制多巴糖还原酶活性的效果优于已有的ARIs药物，具有较大潜力用于治疗糖尿病等疾病。
总体而言，我们的研究为ARIs药物的筛选提供了一种新的方法，能够有效地挖掘出具有潜在治疗作用的化合物，对于糖尿病等疾病的治疗具有重要意义。