一种基于结构增强的化学分子图分类方法、设备及介质技术

本发明专利技术公开了一种基于结构增强的化学分子图分类方法、设备及介质，属于图机器学习技术领域。针对化学分子图结构信息利用不足的问题，本发明专利技术方法包括：步骤1、获取化学分子数据集，对其中的每个化学分子，将原子作为节点，化学键作为边，构建相应的化学分子图；步骤2、构建基于结构增强的化学分子图分类模型，包括结构增强、子图表示、图分类三个部分；步骤3、训练并优化步骤2所构建的图分类模型，进行模型性能评估和对比分析。本发明专利技术能够更完善的捕获化学分子的结构信息，显著提升化学分子分类准确性。

【技术实现步骤摘要】

本专利技术属于图机器学习，具体涉及一种基于结构增强的化学分子图分类方法、设备及介质。

技术介绍

1、对化学分子进行分类可以判断它们是否具有诱变性、抗癌活性、毒性等性质。把原子和化学键分别视为图中的节点和边，可以将化学分子结构建模为拓扑图。利用图分类方法对化学分子进行分类，有助于分析和预测分子的生物活性和安全性，从而在药物开发和化学研究中发挥重要作用。图分类方法可以提高化学分子筛选效率，为新药的发现和开发提供了可靠的理论依据。

2、一种主流的图分类方法是利用图神经网络来提取图的结构信息，将其转化为低维向量表示，从而进行图分类。现有的图神经网络方法将节点及其邻域构成的根子树作为节点的结构信息进行传递和聚合。然而，化学分子中原子和键的连接方式是多种多样的，树结构仅能表示链状结构，而无法充分描述环状结构、交联结构、网状结构、笼状结构等复杂连接方式。

3、设计有效的图神经网络方法，使其能够将化学分子图中多种多样的结构信息转化为图的低维表示，可以显著提升化学分子分类的准确性。这将对化学分子的研究和新药开发产生深远影响。>

<本文档来自技高网...

【技术保护点】

1.一种基于结构增强的化学分子图分类方法，其特征在于：

2.根据权利要求1所述一种基于结构增强的化学分子图分类方法，其特征在于：所述步骤2中基于结构增强的化学分子图分类模型的构建具体是：

3.根据权利要求2所述一种基于结构增强的化学分子图分类方法，其特征在于：所述步骤2中对根子图的节点特征进行增强具体是：

4.根据权利要求2所述一种基于结构增强的化学分子图分类方法，其特征在于：所述步骤2中对根子图的边特征进行增强具体是：

5.根据权利要求2所述一种基于结构增强的化学分子图分类方法，其特征在于：所述步骤2中聚合子图内信息具体是：

...

【技术特征摘要】

1.一种基于结构增强的化学分子图分类方法，其特征在于：

2.根据权利要求1所述一种基于结构增强的化学分子图分类方法，其特征在于：所述步骤2中基于结构增强的化学分子图分类模型的构建具体是：

3.根据权利要求2所述一种基于结构增强的化学分子图分类方法，其特征在于：所述步骤2中对根子图的节点特征进行增强具体是：

4.根据权利要求2所述一种基于结构增强的化学分子图分类方法，其特征在于：所述步骤2中对根子图的边特征进行增强具体是：

5.根据权利要求2所述一种基于结构增强的化学分子图分类方法，其特征在于：所述步骤2中聚合子图内信息具体是：

6.根据权利要求...

【专利技术属性】
技术研发人员：郑文萍，赵瑞鹏，杨贵，
申请(专利权)人：山西大学，
类型：发明
国别省市：