人工智能驱动的非专利制药化合物的分子生成,使用世界开放专利数据

科学领域:

• 药用化学 医学化学
• 人工智能的人工智能
• 知识产权法 知识产权法 知识产权法

背景情况:

• 开发新型化合物对于新药生产至关重要.
• 对于制药公司来说,确认新化合物的专利地位至关重要.
• 人工智能的进步使大规模的化合物产生成为可能,但由于缺乏可访问的工具和全面的数据库,专利新性评估仍然具有挑战性.

研究的目的:

• 开发一种新的分子生成方法,考虑化合物的专利地位.
• 创建一个可搜索的药物相关专利化合物的参考数据库.
• 为了能够在制药专利约束范围内有效地提出新型化合物.

主要方法:

• 利用SureChEMBL和谷歌专利公开数据库建立与药物相关的专利化合物的参考数据库.
• 使用InChIKey和关系数据库实现了精确结构搜索系统.
• 使用与药物相关的专利化合物作为生成AI的培训数据,将专利地位纳入学习过程.

主要成果:

• 成功构建了一个参考数据库和专利化合物的高效搜索系统.
• 通过专利化合物的数量和它们的状态来指导成功的分子生成.
• 通过将专利信息集成到AI学习中,实现了具有高药物相似性的新型分子的生成.

结论:

• 开发的AI方法通过考虑制药专利信息,有效地产生具有高度药物相似性的新分子.
• 这种方法有助于有效地提出与药物专利相关的新化合物.
• 这项研究为一种新的分子生成策略做出了贡献,该策略整合了专利地位,这是药物发现中以前未被充分利用的特征.