一种基于人脸识别的纳米颗粒亲疏水性预测方法及系统技术方案

本发明专利技术公开了一种基于人脸识别的纳米颗粒亲疏水性预测方法，该方法利用广泛应用于人脸识别的卷积神经网络深度学习技术，来识别纳米结构图像，并从中提取纳米颗粒三维结构特征，对这些特征进行多次的卷积、池化等操作，最终输出纳米颗粒亲疏水性预测值；该方法在对147种纳米颗粒亲疏水性预测中得到了检验，五折交叉验证和外部验证的R2均在0.7以上；通过该方法，研究人员在无需复杂的纳米描述符计算下，即可通过纳米结构图像来预估纳米颗粒的亲疏水性，进一步为合理设计所需生物效应的纳米颗粒提供数据支持和理论指导。

【技术实现步骤摘要】
一种基于人脸识别的纳米颗粒亲疏水性预测方法及系统
本专利技术涉及人工智能辅助纳米材料性质预测和设计的研究领域，特别涉及一种基于人脸识别的纳米颗粒亲疏水性预测方法及系统。
技术介绍
纳米材料亲疏水性，反映了纳米材料亲水或者亲油的特性，通常用纳米材料的油水分配系数，即Nano-logP的数值大小来表示。当Nano-logP为正值时，表明纳米材料具有亲油特性，值越大，脂溶性越好；反之，当Nano-logP为负值时，表明纳米材料倾向于亲水，绝对值越大，则亲水特性越好。研究表明，纳米材料的亲疏水性与纳米材料的细胞摄入、体内分布、蛋白质吸附、细胞毒性、免疫反应、药代动力学等诸多生物效应高度相关。可以说，亲疏水性是评估纳米材料生物效应的一个重要前提和指标。因此，如何快速准确的获取纳米材料的亲疏水性，对指导纳米材料的合理设计具有重要意义。纳米材料的亲疏水性可以通过实验方法测得。但是实验方法存在昂贵、耗时费力，且依赖于设备和测试人员的技术水平等缺点。面对种类繁多、数目庞大的纳米材料，很难通过实验方法对其亲疏水性进行一一测定。因此，迫切需要非实验方法对纳米材料的亲疏水性进行快速预测和评估，以满足新型纳米材料筛选设计的需求。以机器学习和深度学习为代表的人工智能方法，通过已有数据构建出可靠的模型，能够对未知事物的性质进行准确预测。最近十几年，随着大数据的出现和计算机硬件的飞速发展，人工智能已被广泛应用于人脸识别、自动驾驶、智慧医疗等诸多领域。在化学信息学领域，机器学习和深度学习也被成功用于化合物性质预测。然而，受限于纳米材料结构复杂，很难通过计算得到能够表征纳米材料整体结构的纳米描述符。此外，与小分子化合物相比，目前纳米材料理化性质和生物效应数据集也极度匮乏。因此，机器学习和深度学习在应用于纳米材料性质预测时，受到极大限制。虽然，人工智能概念早在半个多世纪前就被提出，但是其被应用于纳米材料性质预测则是近十年的事情。虽然，在这期间，已有诸多研究利用人工智能方法对纳米材料的理化性质和生物效应进行了预测。但是，如前文所述，目前在应用机器学习和深度学习进行纳米材料性质预测时，主要存在以下两个方面的不足，一是所用数据集包含纳米材料数目太少，很难构建出泛化能力较好的预测模型。如在文献“NatureNanotechnology,2011,6(3):175-178.”中，作者基于多元线性方法构建机器学习模型，对金属氧化物所引起的大肠杆菌毒性(EC50)进行预测，但是所用数据集仅包含17种纳米材料。在文献“Nanoscale,2013,5(12):5644-5653.”中，作者利用支持向量机方法构建机器学习模型，对金属氧化物所引起的细胞毒性进行预测，其所采用的数据集也仅仅包含22种纳米材料。二是缺乏合适的纳米描述符，来对纳米材料整体结构进行表征。在先前的研究中所使用的纳米描述符主要分为实验描述符、小分子配体描述符和量化计算描述符。然而，实验描述符耗时费力，重复性差；小分子配体描述无法包括纳米材料类型、粒径、配体分布和密度等信息；量化计算描述符耗费大量计算资源，很难对大粒径纳米材料进行计算。如文献“Nanotoxicology,2016,10(3):374-383.”中，作者利用碳纳米管表面修饰的小分子配体计算所得描述符，来构建机器学习模型，对碳纳米管的细胞毒性进行预测。文献“ACSnano,2014,8(3):2439-2455.”中，作者利用实验所得纳米材料所吸附的蛋白冠信息构建机器学习模型，对纳米材料的细胞摄入量进行预测。文献“Nanoscale,2019,11(24):11808-11818.”中，作者利用量化计算所得性质作为描述符构建机器学习模型，多纳米材料所引起的细胞毒性进行预测。基于上述研究现状，迫切需要构建基于较大数目纳米材料数据集，且无需复杂纳米描述符计算的预测模型，为纳米材料的筛选设计提供数据支持和理论指导。
技术实现思路
本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于人脸识别的纳米颗粒亲疏水性预测方法及系统，该方法根据纳米结构图像和卷积神经网络方法，构建端到端的深度学习模型，直接从图像中提取能够表征纳米材料整体结构的特征信息，而无需复杂的纳米描述符计算。在建模过程中参照OECD(Organizationforeconomicco-operationanddevelopment)对QSAR(Quantitativestructureactivityrelationship)模型构建和使用原则，不仅进行了内、外部验证考察模型的预测能力和稳健性，而且对模型进行了解释。本专利技术的第一目的在于提供一种基于人脸识别的纳米颗粒亲疏水性预测方法。本专利技术的第二目的在于提供一种基于人脸识别的纳米颗粒亲疏水性预测系统。本专利技术的第一目的通过以下的技术方案实现：一种基于人脸识别的纳米颗粒亲疏水性预测方法，包括以下步骤：使用纳米组合化学方法合成纳米颗粒；通过数据收集装置获取纳米颗粒的亲疏水性实验测试值；根据实验测试值构建纳米颗粒三维结构信息的电子文件；将电子文件导入图像处理软件中，得到纳米结构图像；采用用于人脸识别的卷积神经网络，构建端到端的深度学习模型；通过端到端的深度学习模型提取纳米结构图像中的纳米结构特征，并最终输出纳米颗粒亲疏水性预测值。进一步地，所述纳米颗粒包含核材料和中小分子配体。进一步地，所述核材料包含金、铂、钯；所述中小分子配体包含K种。进一步地，所述通过数据收集装置获取纳米颗粒的亲疏水性实验测试值，具体如下：通过数据收集装置收集若干种纳米颗粒的亲疏水性实验测试值，所述实验测试值包含纳米颗粒粒径、配体数目。进一步地，所述根据实验测试值构建纳米颗粒三维结构信息的电子文件，具体如下：根据实验测试值的纳米颗粒粒径和配体数目，通过VINAS软件构建包含纳米颗粒三维结构信息的PDB格式电子文件，所述纳米颗粒三维结构信息包含纳米颗粒粒径、原子类型、原子坐标、原子连接信息。进一步地，所述将电子文件导入图像处理软件中，得到纳米结构图像；具体如下：将所得电子文件导入VMD软件中，以生成用于后续深度学习建模的纳米结构图像。进一步地，所述深度学习模型，具体如下：采用LeNet卷积神经网络框架，包含一个输入层、四个卷积层、四个池化层、两个全连接层和一个输出层；四个卷积层和池化层分别采用32，64，128，128个卷积核，卷积层卷积核和步长大小统一为3*3和1*1，池化层核和步长大小统一为2*2和2*2；两个全连接层均含有512个神经元；通过加入Dropout项防止过拟合，Dropoutrate为0.3，学习率Learningrate为0.001，损失函数为均方根偏差Meansquareerror，MSE，batchsize为32，epochs为300。进一步地，所述深度学习模型采用五折交叉验证和外部验证进行检验。本专利技术的第二目的通过以下技术方案实现：一种基于人脸识别的纳米颗粒亲疏水性预测系统，包括纳米结构插本文档来自技高网...

【技术保护点】
1.一种基于人脸识别的纳米颗粒亲疏水性预测方法，其特征在于，包括以下步骤：/n使用纳米组合化学方法合成纳米颗粒；/n通过数据收集装置获取纳米颗粒的亲疏水性实验测试值；/n根据实验测试值构建纳米颗粒三维结构信息的电子文件；/n将电子文件导入图像处理软件中，得到纳米结构图像；/n采用用于人脸识别的卷积神经网络，构建端到端的深度学习模型；/n通过端到端的深度学习模型提取纳米结构图像中的纳米结构特征，并最终输出纳米颗粒亲疏水性预测值。/n

【技术特征摘要】
1.一种基于人脸识别的纳米颗粒亲疏水性预测方法，其特征在于，包括以下步骤：
使用纳米组合化学方法合成纳米颗粒；
通过数据收集装置获取纳米颗粒的亲疏水性实验测试值；
根据实验测试值构建纳米颗粒三维结构信息的电子文件；
将电子文件导入图像处理软件中，得到纳米结构图像；
采用用于人脸识别的卷积神经网络，构建端到端的深度学习模型；
通过端到端的深度学习模型提取纳米结构图像中的纳米结构特征，并最终输出纳米颗粒亲疏水性预测值。


2.根据权利要求1所述的一种基于人脸识别的纳米颗粒亲疏水性预测方法，其特征在于，所述纳米颗粒包含核材料和中小分子配体。


3.根据权利要求2所述的一种基于人脸识别的纳米颗粒亲疏水性预测方法，其特征在于，所述核材料包含金、铂、钯；所述中小分子配体包含K种。


4.根据权利要求1所述的一种基于人脸识别的纳米颗粒亲疏水性预测方法，其特征在于，所述通过数据收集装置获取纳米颗粒的亲疏水性实验测试值，具体如下：通过数据收集装置收集若干种纳米颗粒的亲疏水性实验测试值，所述实验测试值包含纳米颗粒粒径、配体数目。


5.根据权利要求4所述的一种基于人脸识别的纳米颗粒亲疏水性预测方法，其特征在于，所述根据实验测试值构建纳米颗粒三维结构信息的电子文件，具体如下：根据实验测试值的纳米颗粒粒径和配体数目，通过VINAS软件构建包含纳米颗粒三维结构信息的PDB格式电子文件，所述纳米颗粒三维结构信息包含纳米颗粒粒径、原子类型、原子坐标、原子连接信息。


6.根据权...

【专利技术属性】
技术研发人员：闫希亮，颜嘉晨，胡松，周宏钰，闫兵，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44