本申請涉及智能醫療領域，具體涉及一種納米顆粒的血腦屏障穿透效能預測方法、設備、程序產品及計算機可讀存儲介質。
背景技術：
1、血腦屏障（blood-brain?barrier,?bbb）是中樞神經系統（central?nervoussystem,?cns）藥物研發中面臨的首要障礙。這道由腦微血管內皮細胞通過緊密連接構成的生理屏障，配合周細胞和星形膠質細胞終足形成的神經血管單元，嚴格調控血液與腦組織之間的物質交換，保護中樞神經系統免受毒素和病原體侵害。然而，這種高度選擇性也導致超過98%的小分子藥物和幾乎所有大分子生物制劑難以進入腦實質，正因如此，盡管過去三十年間已有超過50種納米藥物獲得監管機構批準，但真正用于腦部疾病治療的僅有歐洲藥品管理局批準的nanotherm?一項，凸顯了跨越血腦屏障的巨大挑戰。目前，研究者開始探索將人工智能方法引入腦靶向納米藥物的設計流程。近期研究報道了一種基于圖神經網絡的人工智能模型，用于預測小分子配體的bbb穿透能力。該模型通過對8種bbb相互作用小分子（包括乙酰膽堿、葡萄糖、尼古丁、美金剛等）的功能化脂質納米顆粒進行篩選，發現乙酰膽堿修飾的lnps在體外bbb模型和體內小鼠模型中均表現出優異的腦靶向性和基因表達效率，且ai預測結果與實驗驗證高度吻合。盡管人工智能方法為腦靶向納米藥物設計帶來了新的可能，但當前技術方案仍面臨多重挑戰，其中數據稀缺問題尤為突出：
2、專門針對“金屬離子+有機化合物”組合穿透bbb的標準化數據集極為有限。與傳統的有機小分子藥物不同，納米藥物的組成維度更高（涵蓋金屬中心、有機配體、表面修飾、粒徑分布等多重變量），且實驗測定結果受合成工藝、表征方法、模型系統差異的影響顯著。現有研究中，真正能夠用于模型訓練的高質量納米-生物效應數據往往來源于零散的文獻報道，且失敗的實驗案例極少發表，導致數據分布嚴重不平衡。
技術實現思路
1、針對上述問題，本發明提供一種納米顆粒的血腦屏障穿透效能預測方法，具體包括：
2、獲取納米顆粒的拓撲序列、構象序列、電子密度點云；
3、將拓撲序列、構象序列進行向量化編碼得到拓撲序列表征和構象序列表征，所述電子密度點云通過三維網絡模型進行特征抽取得到電子密度表征；
4、將拓撲序列表征、構象序列表征和電子密度表征進行融合得到融合表征；
5、將所述融合表征輸至神經網絡中進行特征提取得到關鍵特征；
6、通過所述關鍵特征進行血腦屏障穿透能力評估得到高、中、低的評估結果。
7、可選地，所述納米顆粒包括小分子、多肽、rna不同類型納米顆粒中的一種或多種，將所述電子密度點云進行體素化得到電子云密度，所述電子云密度通過三維網絡模型進行跨尺度特征抽取得到電子密度表征；所述三維網絡模型包括下列的任意一種或幾種：3dcnn、3d?resnet、3d?densenet、3d?mobilenet、swin3d。
8、可選地，所述神經網絡為包括下列的任意一種或幾種判別器模型：swintransformer?discriminator、transgan?discriminator、deit?discriminator、cswintransformer?discriminator、beit?discriminator；所述融合表征輸至判別器模型中進行特征提取得到關鍵特征。
9、可選地，所述判別器模型為n層判別器模塊構成，n為大于1的自然數，每層判別器模塊為雙向自注意力機制構建的模型，所述融合表征通過n層雙向自注意力機制進行特征提取得到關鍵特征。
10、可選地，所述判別器模型的訓練：獲取小分子、多肽、小rna納米顆粒的電子云密度數據及拓撲數據和構象數據，小分子、多肽、小rna納米顆粒穿透血腦屏障的實驗效率為標簽，將小分子、多肽、小rna納米顆粒的電子云密度數據、拓撲數據、構象數據和標簽輸至待訓練的判別器模型中進行訓練，直至損失函數不變，得到判別器模型。
11、可選地，所述納米顆粒的拓撲序列包括納米顆粒添加的金屬離子、納米顆粒的有機化合物添加劑、目標化合物分子的拓撲序列；所述納米顆粒的構象序列包括拓撲序列中原子和非原子的三維坐標。
12、可選地，拓撲序列中每個元素表示一個token，所述原子包括拓撲序列中納米顆粒添加的金屬離子token、納米顆粒的有機化合物添加劑token、目標化合物分子的拓撲序列token，所述非原子包括拓撲序列的起始token、終止token、表示金屬離子符號token、表示有機化合物添加劑符號token、表示目標化合物分子的拓撲序列符號token，所述原子的三維坐標根據拓撲序列的結構得到，所述非原子的三維坐標賦值為零。
13、本發明的目的在于提供一種計算機程序產品，其上包括計算機程序或指令，所述計算機程序或指令被處理器執行實現上述的納米顆粒的血腦屏障穿透效能預測方法。
14、本發明的目的在于提供一種計算機設備，其包括存儲器、處理器及存儲在所述存儲器上的計算機程序或指令，所述計算機程序或指令被處理器執行實現上述的納米顆粒的血腦屏障穿透效能預測方法。
15、本發明的目的在于提供一種計算機可讀存儲介質，其上存儲有計算機程序或指令，所述計算機程序或指令被處理器執行實現上述的納米顆粒的血腦屏障穿透效能預測方法。
16、本發明的優勢：
17、1.?克服bbb穿透預測的數據稀缺難題：現有bbb預測模型因實驗數據稀缺而精度受限。本發明創新性地采用電子密度場作為跨材料類別的統一物理量描述符，通過ai模型提取納米顆粒表面電子分布與bbb穿透相關的關鍵特征，從而建立普適性穿透率預測模型。
18、2.針對新設計納米顆粒在bbb穿透能力的評估預測，降低后期臨床應用失敗幾率，本發明提出一種納米顆粒在bbb穿透效能的預測方法，通過納米顆粒的拓撲序列、構象序列和電子密度點云數據進行關鍵特征提取后預測在bbb的穿透能力，為設計的納米顆粒的可用性驗證提供前期輔助評估。
19、3.針對可以穿透血腦屏障的納米藥物設計時，往往依據藥研專家的經驗，通過試錯地方式確定添加的金屬離子以及有機化合物添加劑。最終能否確定合適的金屬離子以及有機化合物添加劑，很大程度上取決了人的因素。金屬離子及有機物添加劑篩選效率低下且難以精準控制顆粒尺寸，試錯成本高。本發明通過人工智能技術構建納米顆粒的組裝預測模型，進行指定尺寸納米顆粒的組裝推薦，包括指定尺寸納米顆粒的金屬離子、有機化合物添加劑、對應的分子構象美能格顯著縮短從分子設計到穩定納米顆粒構建的研發周期。
1.一種納米顆粒的血腦屏障穿透效能預測方法，其特征在于，包括：
2.根據權利要求1所述的納米顆粒的血腦屏障穿透效能預測方法，其特征在于，所述納米顆粒包括小分子、多肽、rna不同類型納米顆粒中的一種或多種，將所述電子密度點云進行體素化得到電子云密度，所述電子云密度通過三維網絡模型進行跨尺度特征抽取得到電子密度表征；所述三維網絡模型包括下列的任意一種或幾種：3d?cnn、3d?resnet、3ddensenet、3d?mobilenet、swin3d。
3.?根據權利要求1所述的納米顆粒的血腦屏障穿透效能預測方法，其特征在于，所述神經網絡為包括下列的任意一種或幾種判別器模型：swin?transformer?discriminator、transgan?discriminator、deit?discriminator、cswin?transformer?discriminator、beit?discriminator；所述融合表征輸至判別器模型中進行特征提取得到關鍵特征。
4.根據權利要求3所述的納米顆粒的血腦屏障穿透效能預測方法，其特征在于，所述判別器模型為n層判別器模塊構成，n為大于1的自然數，每層判別器模塊為雙向自注意力機制構建的模型，所述融合表征通過n層雙向自注意力機制進行特征提取得到關鍵特征。
5.根據權利要求4所述的納米顆粒的血腦屏障穿透效能預測方法，其特征在于，所述判別器模型的訓練：獲取小分子、多肽、小rna納米顆粒的電子云密度數據及拓撲數據和構象數據，小分子、多肽、小rna納米顆粒穿透血腦屏障的實驗效率為標簽，將小分子、多肽、小rna納米顆粒的電子云密度數據、拓撲數據、構象數據和標簽輸至待訓練的判別器模型中進行訓練，直至損失函數不變，得到判別器模型。
6.根據權利要求1所述的納米顆粒的血腦屏障穿透效能預測方法，其特征在于，所述納米顆粒的拓撲序列包括納米顆粒添加的金屬離子、納米顆粒的有機化合物添加劑、目標化合物分子的拓撲序列；所述納米顆粒的構象序列包括拓撲序列中原子和非原子的三維坐標。
7.根據權利要求6所述的納米顆粒的血腦屏障穿透效能預測方法，其特征在于，拓撲序列中每個元素表示一個token，所述原子包括拓撲序列中納米顆粒添加的金屬離子token、納米顆粒的有機化合物添加劑token、目標化合物分子的拓撲序列token，所述非原子包括拓撲序列的起始token、終止token、表示金屬離子符號token、表示有機化合物添加劑符號token、表示目標化合物分子的拓撲序列符號token，所述原子的三維坐標根據拓撲序列的結構得到，所述非原子的三維坐標賦值為零。
8.一種計算機程序產品，其上包括計算機程序或指令，其特征在于，所述計算機程序或指令被處理器執行實現權利要求1-7任意一項所述的納米顆粒的血腦屏障穿透效能預測方法。
9.一種計算機設備，其包括存儲器、處理器及存儲在所述存儲器上的計算機程序或指令，其特征在于，所述計算機程序或指令被處理器執行實現權利要求1-7任意一項所述的納米顆粒的血腦屏障穿透效能預測方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序或指令，其特征在于，所述計算機程序或指令被處理器執行實現權利要求1-7任意一項所述的納米顆粒的血腦屏障穿透效能預測方法。