CN115424681B 基于图表示学习的共晶预测方法 (西北工业大学)_第1页
CN115424681B 基于图表示学习的共晶预测方法 (西北工业大学)_第2页
CN115424681B 基于图表示学习的共晶预测方法 (西北工业大学)_第3页
CN115424681B 基于图表示学习的共晶预测方法 (西北工业大学)_第4页
CN115424681B 基于图表示学习的共晶预测方法 (西北工业大学)_第5页
已阅读5页,还剩12页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

本发明公开了一种基于图表示学习的共晶2所述共晶预测模型CC_MPNN由神经网络模块和共注意力模块构成,并将二者进行点积所述样本数据为能形成或不能形成共晶体的化合物对,其包括化合物分子的S2.2)采用RDKit工具和one_hot编码将步骤2.1)获得数据中涉及化合物分子的SMILES2.3)采用图注意力网络和图卷积神经网络对步骤2.2)获得的化合物分子图数据进行2.4)采用门控消息传递神经网络的方法对步骤2.3)中获得的原子特征向量结合每个2.5)利用构建好的共注意力层计算每个子结2.6)将一对化合物中每个化合物的子结构特2.7)使用步骤2.6)中得到的化合物对的分数,首先,使用开源化学工具箱RDKit和one_hot编码将SMILE3的输入节点特征转换为更高层次的特征,并对每个具有权值矩阵的节点进行线性变换,线性函数,使用softmax函数进行归一化后输出的即为一对化合物之间每一对原子的共同4处理器执行时实现权利要求1至7任一所述方所述计算机可读存储介质上存储有计算机程序,所述计算机程序被5[0002]药物共晶(pharmaceuticalco_crystals)是指活性药物成分(activepharmaceuticalingredient,API)与共晶形成体(co_crystalcoformer)在氢键或其他非[0003]在制药工业中,共晶体通常用于改善原料药(APIs)的物[0010]所述共晶预测模型CC_MPNN由神经网络模块和共注意力模块构成,并将二者进行[0011]神经网络模块依次包括图注意力网络,图卷积神经网络和门控消息传递神经网6[0016]2.2)采用RDKit工具和one_hot编码将步骤2.1)获得数据中涉及化合物分子的[0017]2.3)采用图注意力网络和图卷积神经网络(即GAT+GCN的方式)对步骤2.2)获得的[0018]2.4)采用门控消息传递神经网络的方法(GMPNN)对步骤2.3)中获得的原子特征向将图的输入节点特征转换为更高层次的特征,并对每个具有权值矩阵的节点进行线性变7[0032]表示节点j的特征对节点i的重要性;然后利用softmax函数对注意系数进行归一个非线性函数,使用softmax函数进行归一化后输出的即为一对化合物之间每一对原子的8取的数据,利用消息传递神经网络对每一对共晶体中的化合物分子进行划分来获取子结结构和计算子结构之间的作用分数来增加共晶体形成的可解释性。在数据集上对CC_MPNN9[0071]最终一对化合物的得分由经过线性变换后的所有子结构特征对与共同注意力分采用python中的scikit_learn[0078]从表1可以看出,采用本发明方法进行预测的准确率(Accuracy)、精确度(Preci

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论