[发明专利]一种基于深度学习的药物活性预测方法

摘要

本发明公开了一种基于深度学习的药物活性预测方法。本发明使用RDkit开源库用于计算给定分子中每个原子的基本特征，包括原子类型，化合价，形式电荷等，只计算原子特征大大减少时间耗费。本发明是结合了图卷积和LSTM两种模型(长短期记忆网络)的预测模型，对于图卷积模型，通过将原子视为节点并将键作为无向图中的边来将所有分子特征化为图，提取分子结构特征，使用图卷积神经网络可以减少时间耗费的同时获取传统方法无法得到的特征。LSTM通过在证据和查询分子之间交换信息来学习复杂的度量。从而达到在低数据量下较高的预测准确度。

主权项

1.一种基于深度学习的药物活性预测方法，其特征在于，包括如下步骤：步骤一、构建药物活性数据集，对药物活性数据集进行切分，其中，药物活性数据集中一部分数据作为训练集、一部分数据作为开发集，还有一部分数据作为测试集；步骤二、对训练集的分子提取原子特征，并将训练集的分子结构转化为邻接矩阵；步骤三、构建预测模型，预测模型包含五层图卷积，一层LSTM；步骤四、将步骤二和三得到的数据进行训练；步骤五、通过图卷积，池化，全连接后，将输出值输送给分类器，优化损失函数，继续训练；步骤六、经过迭代计算，得到训练后的预测模型；步骤七、将待预测药物输入预测模型得到预测结果。