【技术实现步骤摘要】
本专利技术属于图神经网络解释性领域，尤其涉及一种面向药物设计的图神经网络解释方法及装置。
技术介绍
1、药物分子图是一种刻画分子和分子之间关系的常用建模方式，已得到了广泛的应用。在药物设计领域，通过建模药物分子图，可以有效地衡量分子和分子之间的相互作用，并对药物的性质进行深入的研究。目前有多种研究方法尝试探寻决定药物性质的原因，并对药物进行设计。其中，深度学习能够在较短的时间内对化学属性和活性进行大规模预测，从而使药物设计过程自动化并加快。
2、近期，药物研究通过引入图神经网络进行核心结构解析以及药物性质预测，同时引入了图神经网络的解释性技术用于解释图神经网络模型在预测分子性质中的决策过程，受到了越来越多的关注。现有的图神经网络解释性关注于单体解释，而缺乏对于同一种类的分子图集的全局解释，其次，它们生成的解释结构庞大，无法捕获药物分子内部影响模型预测的关键子结构，并且解释结果离散，对药物研究者进行药物分析和设计带来不便。因此，设计一种面向药物设计的图神经网络解释方法已经成为学术界和工业界的迫切需要。
3、在实现本...
【技术保护点】
1.一种面向药物设计的图神经网络方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于结点的影响力以及特征多样性定义结点优先级，枚举图中结点，计算结点对模型的解释能力，包括：
3.根据权利要求1所述的方法，其特征在于，对于结点u,v，若u的影响力大小和特征多样性大小的组合权值和大于v的组合权值，则结点u的优先级高于结点v的优先级。
4.根据权利要求1所述的方法，其特征在于，根据设定的解释能力阈值，通过预训练好的基于图分类的图神经网络对结点及其邻域子图进行校验，过滤未达到解释能力阈值的结点，包括：
5.根...
【技术特征摘要】
1.一种面向药物设计的图神经网络方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于结点的影响力以及特征多样性定义结点优先级，枚举图中结点，计算结点对模型的解释能力，包括：
3.根据权利要求1所述的方法，其特征在于，对于结点u,v，若u的影响力大小和特征多样性大小的组合权值和大于v的组合权值，则结点u的优先级高于结点v的优先级。
4.根据权利要求1所述的方法，其特征在于，根据设定的解释能力阈值，通过预训练好的基于图分类的图神经网络对结点及其邻域子图进行校验，过滤未达到解释能力阈值的结点，包括：
5.根据权利要求1所述的方法，其特征在于，对于当前解释能力最大的结点，设置需要结点个数k，通过静态解释方法或者动态解释方法将其邻域导出子图作为解释子图集，
6.根据权利要求5所述的方法，其特征在于，对于通过静态解释方法得到的解释子...
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。