专利交易市场

本发明公开了胡萝卜苷及其异构体或药学上可接受的盐在制备抵抗血脑屏障损伤药物中的应用。胡萝卜苷在体内外均可以增加PGC‑1α的表达并缓解外源因素引起的跨膜电阻降低和细胞通透性增加，从而增加血脑屏障的紧密性；体外细胞试验结果表明：胡萝卜苷可以增加血脑屏障紧密连接蛋白的表达，增加细胞间的紧密联系，缓解外源因素引起模糊不清的细胞膜及细胞间联系；通过构建动物体内血脑屏障损伤模型，检测胡萝卜苷对体内脑组织损伤的影响，结果显示，胡萝卜苷可以缓解外源因素引起的脑部组织损伤，增加血脑屏障紧密连接蛋白的表达并降低脑部炎症因子的表达，从而缓解血脑屏障损伤。

本发明涉及本发明涉及计算机领域，尤其涉及药物血脑屏障渗透性预测中数据集的建立方法及数据模型，该方法包括：获取病人使用血脑屏障渗透性已知的药物后针对已知的每种神经系统疾病显现的症状数；将所属症状数集合形成所述药物的特征数据集并将所述药物的特征数据集所述药物的血脑屏障渗透性结合成所述药物的特征矩阵；将预设数量的血脑屏障渗透性已知的药物的特征矩阵进行组合形成所述数据集。本发明通过将血脑屏障渗透性已知的药物对血脑屏障的渗透性与所述药物对神经系统疾病的疗效之间进行关联形成数据集，使得数据集适用范围较广，适用该数据集训练的血脑屏障渗透性预测模型也能够更大范围的准确预测药物的血脑屏障渗透性。

本公开提出一种基于多模态融合的化合物血脑屏障渗透性预测方法，具体实现步骤如下：（1）收集带有血脑屏障渗透性标签化合物的SMILES表达式，对所有的化合物进行数据预处理，得到增强数据集；（2）利用中的每一个化合物的SMILES表达式，生成分子三维结构特征3DF、分子文本特征MNF、分子描述符特征MDF、分子图特征MGF，对MNF、3DF、MDF和MGF进行归一化处理，得到归一化的分子三维结构特征P‑3DF、归一化后的文本特征P‑MNF、归一化的分子描述符特征P‑MDF、归一化的分子图特征P‑MGF；（3）构建特征融合网络BBBNet，用于构建多模态融合特征向量数据集；（4）将划分为训练集和测试集，将所述训练集输入科尔莫哥洛夫‑阿诺德模型KAN进行模型训练；训练完成后，使用测试集对训练好的KAN模型进行性能评估；（5）使用训练好的KAN模型对化合物的血脑屏障渗透性进行预测。