[发明专利]化合物属性参数确定方法、装置、设备及存储介质

权利要求书

1.一种化合物属性参数确定方法，其特征在于，所述方法包括：

根据至少一条第一样本数据训练预测模型，所述第一样本数据包括第一样本化合物的结构数据和样本分配系数，所述样本分配系数为所述第一样本化合物在水相和脂相之间的分配系数，训练后的预测模型用于根据任一种化合物的结构数据确定所述任一种化合物的分配系数；

根据至少一条第二样本数据对所述训练后的预测模型进行再训练，所述第二样本数据包括第二样本化合物的结构数据和样本属性参数，所述样本属性参数是与所述分配系数相关的属性参数；

调用再训练后的预测模型，根据任一种化合物的结构数据确定所述任一种化合物的目标属性参数。

2.根据权利要求1所述的方法，其特征在于，所述根据至少一条第二样本数据对所述训练后的预测模型进行再训练，包括：

对于任一条第二样本数据，调用所述训练后的预测模型，根据所述第二样本数据中的第二样本化合物的结构数据确定所述第二样本化合物的预测属性参数；

根据所述预测属性参数和所述第二样本数据中的样本属性参数对所述训练后的预测模型进行再训练。

3.根据权利要求2所述的方法，其特征在于，所述根据所述预测属性参数和所述第二样本数据中的样本属性参数对所述训练后的预测模型进行再训练，包括：

根据所述预测属性参数和所述第二样本数据中的样本属性参数确定所述训练后的预测模型的第一损失值；

根据所述第一损失值对所述训练后的预测模型进行再训练。

4.根据权利要求1所述的方法，其特征在于，所述训练后的预测模型包括多个网络层，所述根据至少一条第二样本数据对所述训练后的预测模型进行再训练，包括：

在保持所述多个网络层中其他网络层的权重不变的情况下，根据任一条第二样本数据调整所述多个网络层中第K个网络层的权重，所述K为不小于2的整数。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

在保持所述多个网络层中其他网络层的权重不变的情况下，根据所述任一条第二样本数据的下一条第二样本数据调整所述多个网络层中第K-1个网络层的权重。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据至少一条第一样本数据训练预测模型，包括：

对于任一条第一样本数据，调用所述预测模型，根据所述第一样本数据中的第一样本化合物的结构数据确定所述第一样本化合物的预测分配系数；

根据所述预测分配系数和所述第一样本数据中的样本分配系数训练所述预测模型。

7.根据权利要求6所述的方法，其特征在于，所述根据所述预测分配系数和所述第一样本数据中的样本分配系数训练所述预测模型，包括：

根据所述预测分配系数和所述第一样本数据中的样本分配系数确定所述预测模型的第二损失值；

根据所述第二损失值训练所述预测模型。

8.根据权利要求1-5任一项所述的方法，其特征在于，所述根据至少一条第一样本数据训练预测模型之前，所述方法还包括：

模拟任一第一样本化合物在混合溶液中的运动轨迹，所述混合溶液为所述第一样本化合物与极性溶剂以及非极性溶剂混合后的溶液；

将所述第一样本化合物在所述混合溶液的脂相和水相间达到热力学平衡时的分配系数确定为所述第一样本化合物的样本分配系数，所述脂相由所述非极性溶剂与溶于所述非极性溶剂中的所述第一样本化合物形成，所述水相由所述极性溶剂与溶于所述极性溶剂中的所述第一样本化合物形成。

9.根据权利要求1-5任一项所述的方法，其特征在于，所述根据至少一条第一样本数据训练预测模型之前，所述方法还包括：

获取任一第一样本化合物的结构字符串，所述结构字符串符合简化分子线性输入规范SMILES，将所述结构字符串确定为所述第一样本化合物的结构数据；或者，

获取任一第一样本化合物的结构图，将所述结构图确定为所述第一样本化合物的结构数据。