【技术实现步骤摘要】
本专利技术涉及深度学习、分子特征提取和分子毒性预测等领域。
技术介绍
1、1.分子毒性预测
2、分子毒性预测是指通过使用计算方法或机器学习技术，对分子结构的毒性进行预测。由于药物的安全性是最重要的性质之一，化学毒理学预测在药物发现的研究中受到越来越多的关注。计算机毒理学在药物发现中的应用有助于提高效率、降低成本、减少动物实验，同时为研究人员提供更全面的信息，促进安全、高效的新药开发。
3、具体而言，首先需要收集包含分子结构和相应毒性标签的数据集，该数据可以来自实验室测定的毒性实验数据。随后，通过将分子结构转化为计算机可处理的表示形式，采用各种机器学习模型如图神经网络(gnn)等，模型能够学习分子结构与毒性之间的关联，训练好的模型可以用于快速而准确地预测候选化合物的毒性。
4、2.深度学习神经网络
5、深度学习神经网络是一种强大的机器学习模型，由多个层次的神经网络组成，每一层包含多个神经元。这些神经元通过连接按照特定模式组织，使得信息能够在网络中传递和处理。典型的深度学习神经网络具有多个隐藏...
【技术保护点】
1.一种基于全局注意力机制的分子毒性预测方法，包括如下步骤：
2.根据权利要求1所述的一种基于全局注意力机制的分子毒性预测方法，步骤1)的特征为：
3.根据权利要求1所述的一种基于全局注意力机制的分子毒性预测方法，步骤2)的特征为：
4.根据权利要求1所述的一种基于全局注意力机制的分子毒性预测方法，步骤3)特征为：
【技术特征摘要】
1.一种基于全局注意力机制的分子毒性预测方法，包括如下步骤：
2.根据权利要求1所述的一种基于全局注意力机制的分子毒性预测方法，步骤1)的特征为：
3....
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。