(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111374656.6 (22)申请日 2021.11.19 (71)申请人 吉斯凯 （苏州） 制药有限公司 地址 215000 江苏省苏州市工业园区苏虹 西路40号 (72)发明人 何雨航　 (74)专利代理 机构 北京同辉知识产权代理事务 所(普通合伙) 11357 代理人 廖娜 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/04(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种适用 于新药开发的受限工艺参数持续 优化方法 (57)摘要 本发明涉及一种适用于新药开发的受限工 艺参数持续优化方法， 预先设置待优化步骤中的 工艺参数或化合物合成参数限度， 且 预先设置待 优化步骤的指标性结果， 后通过区分初始模式与 持续优化模式两种模式， 分别执行随机参数下的 指标性结果收集， 与优化参数下的指标性结果收 集； 本发明提供了一种能够实现新药研发实验全 流程降本增效的适用于新药开发的受限工艺参 数持续优化方法。 权利要求书1页 说明书6页 附图1页 CN 114036854 A 2022.02.11 CN 114036854 A 1.一种适用于新药开发的受限工艺 参数持续优化方法， 其特 征在于， 包括以下步骤： S1、 设置工艺参数的范围以及与工艺 参数相关联的评价指标； S2、 挑选位于步骤S1中工艺 参数的范围内的随机受限工艺 参数作为实际参数值； S3、 使用实际参数值进行实验操作， 收集实验数据， 获得评价指标； S4、 记录步骤S3中使用到的实际参数值和获得的评价指标； S5、 判断是否收集到足够的实际参数值和评价指标的数据， 若是， 将进行下一步， 若否， 将重复步骤S2至步骤S4， 继续收集实际参数值和评价指标的数据； S6、 将步骤S4中收集到的实际参数值和评价指标通过持续优化获得优化后的参数值； S7、 检查步骤S6中获得的优化参数值是否处于工艺参数的范围内， 若是， 将进行步骤S3 和S4， 若否， 将重复步骤S6 。 2.如权利要求1所述的一种适用于新药开发的受限工艺参数持续优化方法， 其特征在 于： 所述步骤S6中的持续优化采用的是 人工神经网络算法。 3.如权利要求2所述的一种适用于新药开发的受限工艺参数持续优化方法， 其特征在 于： 所述人工神经网络算法指的是将实际参数值组合成为一个数列作为 实际输入I， 并将获 得的评价指标作为理论输出O1， 对实际输入I经过人工神经网络计算、 生 成人工神经网络算 法的实际输出O2， 根据实际输出O2与理论输出O1的结果差D， 判断结果差D越 大， 实际参数值 的数值越劣。 4.如权利要求3所述的一种适用于新药开发的受限工艺参数持续优化方法， 其特征在 于： 所述人工神经网络算法还将通过对 结果差D的拟合函数求导、 导数下降的方向作为参数 值优化的方向。 5.如权利要求4所述的一种适用于新药开发的受限工艺参数持续优化方法， 其特征在 于： 在多维参数 的算法中， 是通过梯度下降算法， 找出参数 的优化方向， 并通过反向传播算 法， 将更优的调整值反向传 入人工神经网络的更浅层级， 从而实现对参数值的优化， 对优化 后的参数值作为当前最优参数值。 6.如权利要求5所述的一种适用于新药开发的受限工艺参数持续优化方法， 其特征在 于： 检查所述最优参数值是否位于所述步骤S1中的工艺参数范围内， 将自动生成的、 超出工 艺参数范围的值， 修正到工艺参数范围内， 作为合法的当前最优参数值， 并重复步骤S 3和步 骤S4， 从而通过持续优化获得 更优的参数值。 7.如权利要求1所述的一种适用于新药开发的受限工艺参数持续优化方法， 其特征在 于： 所述步骤S2至步骤S4设为初始模式， 所述 步骤S6和步骤S7设为持续优化模式。 8.如权利要求7所述的一种适用于新药开发的受限工艺参数持续优化方法， 其特征在 于： 所述步骤S6中获得的优化后的参数值可以通过不断重复的持续优化模式来获得。权　利　要　求　书 1/1 页 2 CN 114036854 A 2一种适用于新药开发的受限工艺参数持 续优化方 法 技术领域 [0001]本发明涉及管理方法的相关技术领域， 尤其涉及 一种适用于新药开发的受限工艺 参数持续优化方法。 背景技术 [0002]新药开发过程中， 在有效成分合成工艺找到后， 会对其合成工艺、 制剂加工工艺进 行一系列参数 上的探索与优化， 以获得 更高的产率、 更少的杂质、 更 稳定的产品。 [0003]在化合物合成开发过程中， 常见的参数确定方式是在基于自变量参数正交实验的 基础上、 通过经验与化学反应规律上的判断综合确定的， 但对于新化学分子而言， 这种方法 只能证明合成参数可行， 但无法简单地被确定为最优方法， 即存在一定的效率降低与成本 增加； 同理， 在制剂工艺 开发过程中， 参数确定的方式与效果 也类似。 [0004]目前现有技术中， 缺乏一种针对新药开发的化合物合成参数以及制剂工艺参数 的、 通用于任何可导 参数引起可导结果指标变化的、 参数持续 性优化的方法。 发明内容 [0005]为解决上述技术问题， 本发明的目的是提供一种适用于新药开发的受限工艺参数 持续优化方法， 能够在新药开 发领域的化合物合成参数、 制剂 工艺参数两大方面， 针对任何 可导参数引起可导结果指标变化的过程， 实现全局 最优参数组合的自动优化， 有效解决了 传统的合成参数、 工艺参数确定过程中， 出现的参数组合非全局最优， 导致成本较高、 效率 过低的问题， 实现新药研发在化 合物合成、 制剂工艺领域的降本增效。 [0006]为实现上述目的， 本发明采用如下技 术方案： [0007]1、 一种适用于新药开发的受限工艺参数持续优化方法， 其特征在于， 包括以下步 骤： [0008]S1、 设置工艺参数的范围以及与工艺 参数相关联的评价指标； [0009]S2、 挑选位于步骤S1中工艺 参数的范围内的随机受限工艺 参数作为实际参数值； [0010]S3、 使用实际参数值进行实验操作， 收集实验数据， 获得评价指标； [0011]S4、 记录步骤S3中使用到的实际参数值和获得的评价指标； [0012]S5、 判断是否收集到足够的实际参数值和评价指标的数据， 若是， 将进行下一步， 若否， 将重复步骤S2至步骤S4， 继续收集实际参数值和评价指标的数据； [0013]S6、 将步骤S4中收集到的实际参数值和评价指标通过持续优化获得优化后的参数 值； [0014]S7、 检查步骤S6中获得的优化参数值是否处于工艺参数的范围内， 若是， 将进行步 骤S3和S4， 若否， 将重复步骤S6 。 [0015]对本发明提供的一种适用于新药开发的受限工艺参数持续优化方法进行改进， 所 述步骤S6中的持续优化采用的是 人工神经网络算法。 [0016]对本发明提供的一种适用于新药开发的受限工艺参数持续优化方法进行改进， 所说　明　书 1/6 页 3 CN 114036854 A 3