基于图神经网络的药物小分子性质预测方法、装置及设备制造方法及图纸

本申请公开了一种基于图神经网络的药物小分子性质预测方法、装置及设备，涉及人工智能技术领域，可解决目前对药物小分子性质预测的效率较低、准确度不高的技术问题。其中方法包括：依据目标药物小分子的化学分子结构生成分子图结构，以及依据所述目标药物小分子的官能团中间结构生成分子子图结构；利用目标图神经网络模型确定所述分子图结构对应的第一特征向量，以及所述分子子图结构对应的第二特征向量；根据所述第一特征向量和所述第二特征向量构建第三特征向量，并将所述第三特征向量输入训练完成的性质预测模型中，得到所述目标药物小分子的性质预测结果。本申请适用于基于人工智能技术，实现对药物小分子性质的智能化预测。测。测。

【技术实现步骤摘要】
基于图神经网络的药物小分子性质预测方法、装置及设备


[0001]本申请涉及人工智能
，尤其涉及到一种基于图神经网络的药物小分子性质预测方法、装置及设备。

技术介绍

[0002]多环药物小分子是近20年来药物化学领域热点，因为多环结构在提高药理活性和选择性，完善成药性上效果显著，并且兼顾了与靶标结合的微观结构和药代动力学所需求的宏观性质。临床上的多环药物小分子大部分由12～20个原子构成的环肽或内酯，主要用于治疗感染、炎性和肿瘤等疾病，有口服和注射等剂型。多环药物小分子的性质预测，对于进一步提高药物发现中深度学习的潜力至关重要。
[0003]传统的多环药物小分子的性质预测方法使用了特征工程，即生成和使用特定问题的分子描述符，如分子指纹、源自量子化学、物理化学和微分拓扑的描述符等，进而通过使用分子描述符(包括1D/2D/3D/高维描述符，比如分子量等物理化学性质)作为输入特征，进行定量构效关系或构效关系(QSAR/QSPR)建模。
[0004]然而，这种大量使用分子描述符的建模方法的算法模型预测表现极大取决于人工制作的特征或预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的药物小分子性质预测方法，其特征在于，包括：依据目标药物小分子的化学分子结构生成分子图结构，以及依据所述目标药物小分子的官能团中间结构生成分子子图结构；利用目标图神经网络模型确定所述分子图结构对应的第一特征向量，以及所述分子子图结构对应的第二特征向量；根据所述第一特征向量和所述第二特征向量构建第三特征向量，并将所述第三特征向量输入训练完成的性质预测模型中，得到所述目标药物小分子的性质预测结果。2.根据权利要求1所述的方法，其特征在于，所述依据目标药物小分子的化学分子结构生成分子图结构，以及依据所述目标药物小分子的官能团中间结构生成分子子图结构，包括：获取目标药物小分子的化学分子结构，将所述化学分子结构中的原子确定为所述分子图结构中的节点，将所述化学分子结构中的原子连接关系确定为所述分子图结构中的边，生成所述目标药物小分子的分子图结构；获取所述目标小分子的官能团中间结构，将所述官能团中间结构中的官能团确定为所述分子子图结构中的节点，将所述官能团中间结构中的官能团连接关系确定为所述分子子图结构中的边，生成所述目标药物小分子关于中间尺度的分子子图结构。3.根据权利要求1所述的方法，其特征在于，在利用目标图神经网络模型确定所述分子图结构对应的第一特征向量，以及所述分子子图结构对应的第二特征向量之前，包括：获取未标记图数据集和第一标记图数据集，所述第一标记图数据集的训练任务与预设性质预测任务不同；将所述未标记图数据集作为训练样本，通过对预设的图神经网络模型进行训练，调整所述图神经网络模型的参数，得到第一图神经网络模型；将所述第一标记图数据集作为训练样本，通过对所述第一图神经网络模型进行训练，调整所述第一图神经网络模型的参数，得到第二图神经网络模型；将所述预设性质预测任务对应的第二标记图数据集作为训练样本，通过对所述第二图神经网络模型进行训练，调整所述第二图神经网络模型的参数，得到目标图神经网络模型。4.根据权利要求1所述的方法，其特征在于，所述分子图结构中携带有邻接矩阵以及属性信息，所述属性信息包含节点初始特征向量和边初始特征向量，其中，所述节点初始特征向量和所述边初始特征向量是依据预设向量生成规则确定的；所述利用目标图神经网络模型确定所述分子图结构对应的第一特征向量，以及所述分子子图结构对应的第二特征向量，包括：将所述分子图结构、所述邻接矩阵和所述属性信息输入目标图神经网络模型，获取所述分子图结构中各个节点的节点隐向量；利用所述各...

【专利技术属性】
技术研发人员：王俊，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：