【技术实现步骤摘要】
面向先导化合物合成与筛选的三维分子结构仿真方法
[0001]本专利技术涉及的是一种计算机分子仿真领域的技术,具体是一种面向先导化合物合成与筛选的三维分子结构仿真方法。
技术介绍
[0002]目前已有的分子结构表征方案多为经典图方法,分子由于其结构原因,能够很自然地被建模为一个图。随着深度学习的发展,图神经网络的发展给予一个处理图数据的极佳工具。借由图神经网络,使得特征信息能够在图上传递,从而获取完整的图表征。具有相同数量种类原子的分子如具有不同的三维空间构型,则两者性质可能完全不同,因此复杂的信息量对现有的预测方法的信息编码计算量要求较大,无法满足当前工业需要。
技术实现思路
[0003]本专利技术针对现有图学习技术无法满足不同空间结构下分子性质不同的问题,以及现有的神经网络对于分子结构中坐标信息识别方面的不足,提出一种面向先导化合物合成与筛选的三维分子结构仿真方法,从三维坐标提取特征,基于量子参数电路的三维分子结构表征模型,面相药物设计过程中的先导化合物的筛选与合成。
[0004]本专利技术是通过以下技术方案实现的:
[0005]本专利技术涉及一种面向先导化合物合成与筛选的三维分子结构仿真方法,将分子的三维空间结构建模为三维图结构,选取三维图的中心原子节点及其邻居节点的编码输入含参数的量子参数电路中,基于量子机器学习技术从图结构中得到完整的分子表示;再将分子表示进行分子性质预测和/或解决三维分子几何生成问题,对药物生成中的先导化合物进行筛选和预合成,实现仿真。
[0006]本 ...
【技术保护点】
【技术特征摘要】
1.一种面向先导化合物合成与筛选的三维分子结构仿真方法,其特征在于,将分子的三维空间结构建模为三维图结构,选取三维图的中心原子节点及其邻居节点的编码输入含参数的量子参数电路中,基于量子机器学习技术从图结构中得到完整的分子表示;再将分子表示进行分子性质预测和/或解决三维分子几何生成问题,对药物生成中的先导化合物进行筛选和预合成,实现仿真。2.根据权利要求1所述的面向先导化合物合成与筛选的三维分子结构仿真方法,其特征是,具体包括:步骤1、将分子的三维空间结构建模为三维图结构,该分子上的每个原子对应三维图中的节点,原子与原子之间的键对应图中的连边,整个分子包含的原子个数图中的节点数;步骤2、选取三维图的中心原子节点及其邻居节点的编码输入含参数的量子参数电路中,通过更新参数电路中的参数,基于量子机器学习技术从图结构中的每一个节点提取出一个特征,从而学习得到完整的分子表示;步骤3、将步骤2得到的分子表示进行分子性质预测和/或解决三维分子几何生成问题,对药物生成中的先导化合物进行筛选和预合成,实现仿真;所述的编码是指:使用两个量子比特编码当前原子。3.根据权利要求1或2所述的面向先导化合物合成与筛选的三维分子结构仿真方法,其特征是,所述的编码,具体包括:
①
将与待编码原子距离在特定阈值内的节点选为邻居节点,邻居节点的位置信息和性质通过选取的中心节点的相对距离以及原子种类表征,即四元组其中:a为邻居节点的原子种类,d为邻居节点到中心节点的距离,θ为旋转角,为扭转角;
②
选取Rx和Ry两个旋转门,在一个量子比特上编码两维的数据,具体为:用两个量子比特编码步骤
①
中四元组的一个原子,即将两个旋转角θ和编码到量子比特1上,然后将距离d和种类a编码到比特2上;
③
将每个原子所对应的两个量子比特都张量积为一个新的量子态作为量子参数电路的输入,具体为:其中:|Ψ>为一个量子态,上标0为整个线路的初始量子态,下标1到2n为第1个比特到第2n个比特对应的量子态,n为原子数量,共2n个量子比特以编码n个原子;所述的两个量子比特的表达式为:所述的两个量子比特的表达式为:其中:U
x
与U
y
分别为含参数的绕x轴和y轴的旋转门对应的酉阵,i指的是中心节点,j指代当前邻居节点。4.根据权利要求3所述的面向先导化合物合成与筛选的三维分子结构仿真方法,其特征是,将d转化为d/d
max
*2π,a转化为a/a
num
*2π,其中:d
max
为整个数据集中每个原子最大的度,a
num
为整个数据集中原子的种类,a是一个1到a
num
的整数。5.根据权利要求1或2所述的面向先导化合物合成与筛选的三维分子结构仿真方法,其特征是,所述的量子参数电路,通过以下方式构建得到:i)确认需要量子比特的个数:对于每个需要学习的节点需要两个量子比特,总的量子比特数取决于节点的邻域;
ii)含参数的量子参数电路采取多个层构成,重复构建每个层内的量子门的排布均相同的参数电路,具体包括:含参数的旋转门构成的第一模块和由两比特门构成的第二模块,其中:第一模块的参数能够替代经典神经网...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。