[发明专利]识别化合物物化性质与结构特征的方法和装置

权利要求书

1.一种识别化合物物化性质与结构特征的方法，其特征在于，所述方法包括：

获取训练集，所述训练集包括：多种化合物的结构特征和与所述化合物对应的标记目标物化性质；

根据所述训练集对预先设置的初始深度卷积神经网络模型进行训练，得到分类用深度卷积神经网络模型；

在模型训练过程中，采用通过导向反向传播算法和梯度加权类激活映射算法构建的观测器确定与所述标记目标物化性质相关的关键结构特征。

2.根据权利要求1所述的方法，其特征在于，所述在模型训练过程中，采用通过导向反向传播算法和梯度加权类激活映射算法构建的观测器确定与所述标记目标物化性质相关的关键结构特征之后，所述方法还包括：

获取待识别化合物；

若所述待识别化合物含有所述关键结构特征，则判断所述待识别化合物具有目标物化性质。

3.根据权利要求1所述的方法，其特征在于，所述获取训练集包括：

选取预设种类的包含所述目标物化性质的化合物；

针对所述化合物，提取多个分子描述符；

将所述多个分子描述符进行排列，得到用于表征所述化合物结构特征的二维结构特征描述矩阵；

将所述二维结构特征描述矩阵和对应的标记目标物化性质的化合物作为训练机。

4.根据权利要求3所述的方法，其特征在于，所述化合物的种类大于等于5000；

所述标记目标物化性质包括：毒性、半衰期、生物富集特性、长距离迁移特性中的一种或多种。

5.根据权利要求1或3所述的方法，其特征在于，所述在模型训练过程中，采用通过导向反向传播算法和梯度加权类激活映射算法构建的观测器确定与所述标记目标物化性质相关的关键结构特征包括：

采用通过导向反向传播算法和梯度加权类激活映射算法构建的观测器观察并记录模型训练过程中对所述结构特征的聚焦方式；

根据所述聚焦方式确定模型训练过程中所关注的点位；

根据所述点位提取关键分子描述符；

根据所述关键分子描述符，得到与所述标记目标物化性质相关的关键结构特。

6.一种识别化合物物化性质与结构特征的装置，其特征在于，所述装置包括：

训练集获取模块，用于获取训练集，所述训练集包括：多种化合物的结构特征和与所述化合物对应的标记目标物化性质；

模型得到模块，用于根据所述训练集对预先设置的初始深度卷积神经网络模型进行训练，得到分类用深度卷积神经网络模型；

特征确定模块，用于在模型训练过程中，采用通过导向反向传播算法和梯度加权类激活映射算法构建的观测器确定与所述标记目标物化性质相关的关键结构特征。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

化合物获取模块，用于获取待识别化合物；

性质判断模块，用于若所述待识别化合物含有所述关键结构特征，则判断所述待识别化合物具有目标物化性质。

8.一种电子设备，其特征在于，包括：存储器和处理器；所述处理器与存储器连接，被配置为基于存储在所述存储器中的指令，执行权利要求1-5任一项所述的识别化合物物化性质与结构特征的方法。

9.一种计算机可读存储介质，其上存储有至少一条指令、至少一段程序、代码集或指令集，其特征在于，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现权利要求1-5任一项所述的识别化合物物化性质与结构特征的方法。