[发明专利]一种基于多任务图神经网络的分子毒性预测方法和装置

权利要求书

1.一种基于多任务图神经网络的分子毒性预测方法，其特征在于：该方法包括以下步骤：

S1：毒性数据集的准备，得到用SMILES化学分子规范表达式表示的毒性数据；

S2：使用S1步骤中得到的用化学分子规范表达式的毒性数据，生成原子节点特征向量，其具体步骤如下：

S21：依次遍历所有SMILES分子式中的每一个原子，根据原子的性质进行ONE-HOT数字编码；

S22：将每个原子看作一个节点，生成节点的特征向量；原子特征包括：原子类型、原子连接数、原子度、邻居杂原子类型；

S23：单个原子特征信息记为y_x，y_x＝[x₁,x₂,...,x_m,x_t]，其中，计数特征x_t是一个实值嵌入向量，定义为单个分子式中各原子对应于总原子数的比重，[x₁,x₂,...,x_m]为对应原子特征的ONE-HOT数字编码向量；

S24：输入的n个SMILES分子式构建的总原子结构特征信息向量记为x＝X^N×(m+1)，x∈(x₁,x₂,...,x_n)，N为单个SMILES分子式中的原子节点个数；

S3：使用S1步骤中得到的用化学分子规范表达式的毒性数据，生成边信息特征向量，其具体步骤如下：

S31：邻接特征向量取决于输入分子的嵌入键种类，由原子与原子间键的信息组成，边的特征包括：键的类型、环特征、芳香族、原子杂化方式；

S32：单个分子的邻接矩阵记为e^c×t，使用无向图来描述分子邻接矩阵信息，t对应单个SMILES分子式边信息的特征数，c表示无向图的邻接矩阵构建；

S33：输入的n个SMILES分子式的边特征信息矩阵记为e＝E^c×t，e∈(e₁,e₂,...,e_n)；

S4：基于S2步骤得到的原子节点特征向量和S3步骤得到的边信息特征向量，构建基于多任务图神经网络的分子毒性预测模型；

S5：对S4步骤得到的分子毒性预测模型进行模型性能的验证。

2.根据权利要求1所述的一种基于多任务图神经网络的分子毒性预测方法，其特征在于：所述S1步骤包括以下步骤：

S11：收集包含分子毒性的数据，将所有包含相关毒性的化合物用化学分子规范表达式SMILES描述；

S12：对化合物进行结构标准化、盐的清洗处理，去除混合物、无机物和有机金属，保留具有明确毒性标签的分子；

S13：将数据集按一定比例随机分为训练集和测试集；

S14：使用化学工具包rdkit处理毒性数据集。

3.根据权利要求1所述的一种基于多任务图神经网络的分子毒性预测方法，其特征在于：所述S4步骤包括以下步骤：

S41：将数据集按照一定比例划分，通过One-Hot编码生成原子节点特征与边信息特征，传入图神经网络输入端，从SMILES分子中进一步提取结构特征信息；

S42：为降低网络训练参数以及模型的过拟合程度，保留原子的显著特征信息，对提取到的特征矩阵进行池化/采样处理，将每个分子对应的所有原子特征相加，进行信息聚合，得到新的信息矩阵；

S43：保存图神经网络模型隐藏层的所有参数；

S44：经过多个全连接层，进行非线性变换，最后通过SoftMax来进行多分类任务预测，输出预测结果。

4.根据权利要求1所述的一种基于多任务图神经网络的分子毒性预测方法，其特征在于：所述S5步骤包括以下步骤：

S51：传入验证集数据的原子节点特征与边信息特征，依次经过图神经网络的特征提取层、池化层、全连接层，通过k折交叉验证法对模型进行验证；

S52：通过隐藏层参数的共享，以及输出层对特定任务的单独训练，实现多任务图神经网络的分子毒性预测功能；

S53：根据实际毒性值与预测毒性值的误差，对模型进行评价与验证。