EN
首页
关于我们
  • 公司简介
  • 公司管理
  • 获奖和荣誉
  • 办公地点
  • 专业人员
    服务领域
    业务组
  • 机械
  • 电一
  • 电二
  • 化学和生物技术
  • 日本一部
  • 日本二部
  • 德国
  • 法律
  • 商标
  • 专家顾问
  • 新闻和出版物
  • 行业动态
  • 公司新闻
  • 永新文章
  • 细则解读2024
  • 案例速递
  • 联系我们
    招聘
    永新文章

    浅谈药物预测发明的创造性


    2022/6/29|永新文章
    评价药物预测发明的创造性时,首先应当明确该发明预测的对象是什么,然后应选择与预测对象或目标相同或相似的现有技术作为最接近的现有技术。

    案情介绍

    涉案发明涉及基于深度学习的药物预测方法,其结合了肿瘤患者的基因特征和抗癌药物特征,实现了对抗癌药物的精准预测。方法权利要求1如下:
    1、一种计算机实施的药物预测方法(100),其特征在于,所述方法(100)包括:
    接收从一个对象的肿瘤样本导出的基因组特征向量(130),所述基因组特征向量表示肿瘤的基因突变信息;
    接收从所述肿瘤样本导出的转录组特征向量(140),所述转录组特征向量表示所述肿瘤的基因表达水平;
    根据一种药物的化学结构,导出所述药物的分子结构特征向量(150);并且
    将所述基因组特征向量和所述转录组特征向量中的至少一个以及所述分子结构特征向量输入经训练的深度神经网络,以确定所述药物对该肿瘤是否有效(160)。

    在第一次审查意见通知书中,审查员引用的对比文件1公开了一种基于神经网络的抗癌药物协同作用的预测方法。

    审查员承认:对比文件1至少没有公开“接收从所述肿瘤样本导出的转录组特征向量(140),所述转录组特征向量表示所述肿瘤的基因表达水平”、“根据一种药物的化学结构,导出所述药物的分子结构特征向量(150)”并且“将所述基因组特征向量和所述转录组特征向量中的至少一个以及所述分子结构特征向量输入经训练的深度神经网络,以确定所述药物对该肿瘤是否有效(160)”。
    根据涉案专利申请的说明书,本发明的发明构思基于如下认识:综合考虑药物的结构以及不同药物与不同遗传背景肿瘤细胞间的相互作用,能够更加准确地为肿瘤患者预测药物。优选地,同时考虑基因组特征和转录组特征与药物的分子结构特征之间的相互作用,可以进一步提高药物预测的准确率。
    换言之,本发明旨在预测任意药物对任意肿瘤是否有效。亦即,本发明预测的对象是药物与肿瘤(即,药物A+肿瘤a)。

    相反,对比文件1针对一种基于神经网络的抗癌药物协同作用的预测方法。所谓“药物协同作用”指的是药物A和药物B一起使用,是否会有1+1>2的效果。因此,对比文件1预测的对象是两种药物的组合(药物A+药物B)。

    也就是说,本发明旨在肿瘤个性化精准医疗——为指定肿瘤患者预测哪种抗癌药物是最佳选择,因而,本发明是针对个体的肿瘤患者,以选出现有的最佳药物。相反,对比文件1旨在发现新的药物组合,以提供新的治疗方案。从这点来说,对比文件1其实不适合用作“最接近的现有技术”来评述涉案发明的创造性。

    此外,与对比文件1相比,基于上述所有区别特征在整个方案中所起的技术效果,本发明实际要解决的技术问题可以是如何为个体的肿瘤患者选出最佳的药物。

    图片

    针对审查员所认为的问题“如何实现单个药物的预测方法”,虽然审查员认识到:不同于对比文件1针对的两种药物,涉案发明针对的是一种药物;但是,审查员没有领会到,涉案发明不是预测任意一种药物自身的药效,而是预测任意药物对任意肿瘤是否有效。即,预测的对象是药物A+肿瘤a。
    审查员之所以将技术问题定义为“如何实现单个药物的预测方法”,就是为了引出对比文件2。
    对比文件2公开了一种基于深度学习的药物活性预测方法,包括如下步骤:
    步骤一、构建药物活性数据集,对药物活性数据集进行切分,其中,药物活性数据集中一部分数据作为训练集、一部分数据作为开发集,还有一部分数据作为测试集;
    步骤二、对训练集的分子提取原子特征,并将训练集的分子结构转化为邻接矩阵;
    步骤三、构建预测模型,预测模型包含五层图卷积,一层LSTM;
    步骤四、将步骤二和三得到的数据进行训练;
    步骤五、通过图卷积,池化,全连接后,将输出值输送给分类器,优化损失函数,继续训练;
    步骤六、经过迭代计算,得到训练后的预测模型;
    步骤七、将待预测药物输入预测模型得到预测结果。
    对比文件2实际上旨在预测特定化合物的属性(例如,毒性、溶解度等)。因而,对比文件2预测的对象为指定的单一药物(药物A)。
    然而,对比文件2根本没有述及指定的单一药物是否对某一肿瘤有效,即,对比文件2根本没有考虑基因组特征和转录组特征中的任一个与药物的分子结构特征之间的相互作用。

    图片

    也就是说,对比文件2用药物分子结构预测该药物自身的属性;相反,涉案发明不但要基于药物分子结构而且还基于肿瘤的基因信息,以预测任意一种药物对任一种肿瘤是否有效。显然,药物分子结构在对比文件2的药物活性预测方法中的作用完全不同于其在涉案发明的药物预测方法中的作用。
    事实上,在对比文件1预测两种药物协同作用的过程中根本不需要参考对比文件2的教导来预测两种药物之一单独的属性,因而,对比文件1公开的方案与对比文件2公开的方案实际上是不兼容的。
    此外,借助于上述所有区别特征,本发明能够快速、精准地为指定肿瘤患者个性化预测出最佳的药物,因而具有显著的进步。
    综上所述,权利要求1的技术方案相对于对比文件1、2具有突出的实质性特点和显著的进步,因而具备了创造性。
    讨论
    药物预测发明的重点就在于预测的对象、目标或内容。因此,只有搞清楚发明到底预测的是什么,才能准确地选择最接近的现有技术,才能更合理地评述现有技术是否有启示以实现发明所要求保护的药物预测方法。


    参考文献:
    [1] 中华人民共和国国家知识产权局.专利审查指南2010[M]. 北京. 知识产权出版社,2010: 172-173.

    [2] 中华人民共和国国家知识产权局. 审查操作规程∙实质审查分册. 北京. 知识产权出版社,2011.




    孟杰雄.JPG

    杰雄


      孟杰雄先生主要从事专利撰写、专利申请和复审、无效等业务。孟杰雄熟悉中国专利法以及当前的审查实践,能够迅速、准确地掌握发明技术要点,正确理解审查员的意图,从而能够给出合理有效的答复意见。工作11年多来共代理PCT申请进入中国的新申请四百多件,答复审查意见两千一百多件,其中复审案件六十多件,还有撰写和无效的工作。受到了客户飞利浦和松下电装的认可。在《专利代理》杂志上发表过数篇学术文章。