预测制剂特性的制作方法

技术特征：
1.一种计算机系统，包括-输入单元-控制和计算单元-输出单元其中控制和计算单元被配置为-促使输入单元接收物质的唯一标识符，-根据唯一标识符确定物质特性，-根据物质特性生成物质的特征向量，-通过预测模型使用特征向量计算至少一种制剂的至少一种制剂特性，该预测模型已经在监督式学习过程中被训练以使用来自参考物质的参考数据计算参考制剂的制剂特性，-促使输出单元输出至少一种制剂特性。2.根据权利要求1所述的计算机系统，其中所述制剂为生物活性物质在载体中的无定形固体分散体，或生物活性物质的纳米分散体，或生物活性物质的自微乳化药物传递系统。3.根据权利要求1或2中任一项所述的计算机系统，其中所述至少一种制剂特性完全根据物质特性计算，物质特性完全或部分地根据物质的化学结构计算和/或导出。4.根据权利要求1至3中任一项所述的计算机系统，其中所述物质特性选自：分子量、氢键供体数、氢键受体数、可旋转键数、拓扑极性表面积、分子电荷、酸强度、分子中定义的化学基团的数量、在水中的溶解度、吸湿性、玻璃化转变温度、熔点和/或在定义浓度的溶液中的粘度。5.根据权利要求1至4中任一项所述的计算机系统，其中所述至少一种制剂特性是在将制剂引入到介质中一段时间后介质中物质的浓度。6.根据权利要求5所述的计算机系统，其中所述介质为生物学相关介质，所述生物学相关介质优选选自：水、等渗盐水、fassgf、fassif、fessif、盐酸。7.根据权利要求1至6中任一项所述的计算机系统，其中所述至少一种制剂特性是在不同时间点和/或在不同ph值和/或在不同生物相关介质中和/或在不同的活性成分负载量中的物质在生物学相关介质中的浓度。8.根据权利要求1至7中任一项所述的计算机系统，其中所述预测模型是基于随机森林法的回归模型。9.根据权利要求1至8中任一项所述的计算机系统，其中所述预测模型是人工神经网络或者包括人工神经网络。10.根据权利要求1至9中任一项所述的计算机系统，其中所述控制和计算单元被配置为将计算的制剂特性与定义的参考值进行比较，并输出比较的结果。11.根据权利要求1至10中任一项所述的计算机系统，其中所述控制和计算单元被配置为计算两种或更多种物质的两种或更多种制剂特性，使用所计算的制剂特性确定每种物质的分数值，并输出分数值。12.根据权利要求1至11中任一项所述的计算机系统，其中对于不同类型的制剂，存在两个或更多个预测模型，其中所述控制和计算单元被配置为促使输入单元接收关于制剂的信息，基于接收到的信息，选择预测模型，通过该预测模型计算至少一种制剂特性。13.一种方法，包括以下步骤
‑
接收生物活性物质的唯一标识符，-接收和/或确定生物活性物质的物质特性，-根据物质特性生成物质的特征向量，-将特征向量提供给预测模型，预测模型已经在监督式学习过程中被训练以使用来自参考物质的参考数据确定参考制剂的制剂特性，-接收包括该生物活性物质的至少一种制剂的至少一种制剂特性作为来自预测模型的输出，-输出至少一种制剂特性。14.根据权利要求13所述的方法，还包括以下步骤：-将至少一种制剂特性或根据至少一种制剂特性计算的至少一个分数值与至少一种参考值进行比较，-在至少一种制剂特性或至少一个分数值与至少一种参考值存在定义偏差的情况下：选择用于实验验证所述至少一种制剂特性的制剂。15.一种计算机程序产品，包括数据载体，其上存储有可加载到计算机系统的主存储器中的计算机程序，其促使计算机系统执行以下步骤：-接收物质的唯一标识符，-接收和/或确定物质的物质特性，-根据物质特性生成物质的特征向量，-通过预测模型使用特征向量确定物质的至少一种制剂的至少一种制剂特性，预测模型已经在监督式学习过程中被训练以使用来自参考物质的参考数据确定参考制剂的制剂特性，-输出至少一种制剂特性。

技术总结
本发明涉及制剂的开发，优选用于生物活性物质。本发明的目的是提供一种方法、计算机系统和计算机程序产品，其用于使用预测模型来预测至少一种制剂的至少一种特性，该预测模型已被训练通过使用参考数据的监督式学习过程来预测制剂特性。预测制剂特性。预测制剂特性。


技术研发人员：H
受保护的技术使用者：拜耳公司
技术研发日：2021.02.18
技术公布日：2022/9/14