CN114334040B 分子图重构模型的训练方法、装置以及电子设备 （腾讯科技（深圳）有限公司）

本申请提供了一种分子图重构模型的训练解码器和图匹配模块；本申请提供的训练方法将图匹配模块输出的关系矩阵设计为用于计算构模型的训练方法不仅能够使得分子图重构模图匹配模块对分子图重构模型的指导效果。此2利用所述解码器，基于所述样本分子图的表征利用所述图匹配模块对所述样本分子图和所述重构分子图之间的节点对应关系和边基于所述关系矩阵对所述样本分子图和所述重构分子图进行对比，其中，所述利用所述图匹配模块对所述样本分子图和所述重基于所述重排序矩阵和所述预测矩阵之间对所述图匹配模块的参所述第二损失用于表征所述样本分子图中的第一节点的第一表征向量和所述第一节所述第三损失用于表征所述样本分子图中的第一边的第三表征向量和所述第一边的基于所述第一损失、所述第二损失以及所述第三损4.根据权利要求1至3中任一项所述的方法，其特征在于，其中，所述第一散度用于表征先验分布和所述样本分子图的表3基于所述第一散度对所述编码器的参数进行调整，以及基于所述第二其中，所述第一散度大于或等于预设阈值时，所述第一散度6.根据权利要求1至3中任一项所述的方法，其特征其中，所述第四损失用于表征所述样本分子图的预测属所述第五损失用于表征所述重构分子图的预测属性值和预设的属性标签之间所述第六损失用于表征所述样本分子图的预测属性值和所述重构分子图的预测属性基于所述第四损失和所述第五损失对所述编码器的参数进行调整，型中的解码器，构建基于所述预设的属性标签对所述待优化的分子图进行优化后的分子4权利要求1至7中任一项所述的方法训练得到的模处理单元，用于利用所述编码器对所述样本分子图的属性值进行处重构单元，用于利用所述解码器，基于所述样本分子图的表征预测单元，用于利用所述图匹配模块对所述样本分子图和所述重计算单元，用于基于所述关系矩阵对所述样本分子图调整单元，用于基于所述重构损失对所述解码器进行调整，其中，所述预测单元利用所述图匹配模块对所述样本分子基于所述重排序矩阵和所述预测矩阵之间对所述图匹配模块的参计算机可读存储介质，所述计算机可读存储介质中5[0009]利用该编码器对该样本分子图的属性值进行处理，得到该样本分子图的表征向[0011]利用该图匹配模块对该样本分子图和该重构分子图之间的节点对应关系和边对6该重构分子图的重构损失，该重构损失用于表征该样本分子图和该重构分子图之间的差7[0038]另外，本申请将编码器输出的样本分子图的表征向量设训练方法还能够提升分子图重构模型的实用性以及重构8[0055]本申请还涉及药物领域。在药物的研发流程中，在完成靶点识别与验证(Target使用分子属性预测算法预测分子的吸收(Absorption)、分布(Distribution)、代谢9[0064]以分子图的表征向量为例，分子图的表征向量指以向量形式表征的分子图的信节点和边的连接关系。换言之，分子图的表征向量能体现分子图的拓扑结构和/或属性信别与X个节点之间匹配度以及N个边中的每一个边分别与Y个边之间的匹配度，匹配度的取[0079]另外，本申请将编码器输出的样本分子图的表征向量设训练方法还能够提升分子图重构模型的实用性以及重构[0084]如图2所示，分子图重构模型200可包括编码器210、解码器220以及图匹配模块器210还可用于对样本分子图的属性进行预测，得到该样本分子图的预测属性值。解码器220可用于将编码器输出的样本分子图的表征向量重建为分子图，即可用于输出重构分子xreurERG,N代表样本集包排序后的样本集，即重排序分子图对应的样本集，其可表示为sper=(xper,Aper)。若随机重排的方式定义为重排序矩阵Starget，则样本分子图和重排序分子图的节点对应关系和[0091]进一步的，获取样本分子图对应的样本集sreau和重排序分子图对应的样本集sper后，可将样本分子图对应的样本集sreu和重排序分子图对应的样本集sper分别输入X⃞c=GNN(xrec,Arec).进一步的，可通过注意力机制匹配最相近的节点，即器网络的输入为真实样本和生成网络输出的生成样本，目的是将真实样本尽可能分辨出布与先验分布的差别可使用第二散度衡量，其可表示为KLfake。其中，先验分布(prior[0116]示例性地，本申请可以通过使用最大化log(1[0118]利用该编码器对该样本分子的属性值进行预测，得到该样本分子图的预测属性[0119]利用该编码器对该重构分子的属性值进行预测，得到该重构分子图的预测属性[0123]该第六损失用于表征该样本分子图的预测属性值和该重构分子图的预测属性值[0133]编码器预测的该样本分子图的预测属性值为：creal；该样本分子图属性标签为：[0134]在一些实施例中，该属性值为吸收属性的值或分布代谢排泄毒性(Absorption、(drug-druginteraction，DDI)等。示例性地，该属性值可以是热力学水溶性(thermodynamicsolubility)和动力学水溶性(kineticsolubility)；热力学水溶性是我们通常子图重构模型中的解码器220，构建基于该预设的属性标签对该待优化的分子图进行优化子图在保证分子构型与输入的已有分子图大体不变的情况下，优化已有分子图的性质表[0155]预测单元340，用于利用该图匹配模块对该样本分子图和该重构分子图之间的节[0158]在一些实施例中，该预测单元340用于利用该图匹配模块对该样本分子图和该重[0166]该第二损失用于表征该样本分子图中的第一节点的第一表征向量和该第一节点[0167]该第三损失用于表征该样本分子图中的第一边的第三表征向量和该第一边的第四表征向量之间的差异，该第三表征向量为该第一边基于该重排序矩阵转换前的表征向[0178]利用该编码器对该样本分子的属性值进行预测，得到该样本分子图的预测属性[0179]利用该编码器对该重构分子的属性值进行预测，得到该重构分子图的预测属性[0183]该第六损失用于表征该样本分子图的预测属性值和该重构分子图的预测属性值[0187]还应当理解，本申请实施例涉及的分子图重构模型的训练装置300中的各个单元和存储元件的通用计算机的通用计算设备上运行能够执行相应方法所涉及的各步骤的计以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成，结合本申请实施例公计算机可读存储介质420存储的计算机指令。处理器410是电子设备400的计算核心以及控器410可以包括但不限于：通用处理器、数字信号处理器(DigitalSignalProcessor，限于：易失性存储器和/或非易失性存储器。其中，非易失性存储器可以是只读存储器读存储器(ErasablePROM，EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，步连接动态随机存取存储器(synchlinkDRAM，SLDRAM)和直接内存总线随机存取存储器[0197]根据本申请的另一方面，本申请实施例还提供了一种计算机可读存储介质空间中还存放了适于被处理器410加载并执行的一