【技术实现步骤摘要】
本专利技术涉及分子性质预测，尤其涉及一种双图协同表征与跨视图特征融合的分子性质预测方法。
技术介绍
1、传统的化学新药研发设计过程通常耗时较长且需要大量资金投入，这为新药的研发带来了显著的挑战。最早的分子性质预测方法是由传统实验主导，通过实验室合成与体外/体内实验测定分子性质，耗时较长且无法预测复杂生物活性。而传统的定量结构-活性(quantitative structure-activity relationship，qsar)模型依赖于预定义的分子表征，如扩展连接性指纹等化学指纹，尽管这些方法已广泛应用，但仍存在依赖于人工设计和专家经验与知识等局限，难以表征3d构象与动态特性，对非线性关系建模能力不足。
2、主流深度学习方法虽能自动提取分子特征，但受限于单一视图分子表征——分子图模型忽略关键子结构(如药效团)的协同作用，smiles序列易因语法歧义引发结构误解析，分子指纹与分子图像则无法捕捉电子效应与立体化学特性。此外，现有多视图融合方法因跨模态语义对齐困难及子结构信息丢失(传统分子图分解环系统导致共轭效应等化学特性无法...
【技术保护点】
1.双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，分别对多视图分子进行特征提取中：
3.如权利要求2所述的双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，分别对多视图分子进行特征提取，具体步骤包括：
4.如权利要求3所述的双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，使用双向门控循环单元和多头注意力联合处理分子指纹信息，提取分子指纹特征，具体步骤包括：
5.如权利要求4所述的双图协同表...
【技术特征摘要】
1.双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，分别对多视图分子进行特征提取中：
3.如权利要求2所述的双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，分别对多视图分子进行特征提取，具体步骤包括：
4.如权利要求3所述的双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，使用双向门控循环单元和多头注意力联合处理分子指纹信息，提取分子指纹特征，具体步骤包括：
5.如权利要求4所述的双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，使用图注意力网络分别对2d分子图和motif图进行编码，通过交叉注意力融合两种特征，得到融合后的分子图特征，具体步骤包括：
6.如权利要求5所述的双图协同表征与跨视图特征融合的分子性质预测方法，其特征在于，使用图注意力网络分...
【专利技术属性】
技术研发人员：吴琨生，陈楠，吴伟林，彭昱忠，付世炜，
申请(专利权)人：广西民族大学，
类型：发明
国别省市：
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。