[发明专利]化合物性质预测模型训练方法、装置、设备以及存储介质

权利要求书

1.一种化合物性质预测化合物性质预测模型训练方法，包括：

获取无标注化合物数据集；

利用所述无标注化合物数据集对图神经网络进行预训练，得到预训练后的图神经网络；

获取多个有标注化合物数据集，其中，一个有标注化合物数据集标注化合物的一种性质；

利用所述多个有标注化合物数据集多所述预训练后的图神经网络进行多任务训练，得到化合物性质预测模型，其中，所述化合物性质预测模型用于预测化合物的多种性质。

2.根据权利要求1所述的方法，其中，所述方法还包括：

获取目标有标注化合物数据集，其中，所述目标有标注化合物数据集标注化合物的目标性质；

利用所述目标有标注化合物数据集对所述化合物性质预测模型进行精调，得到精调后的化合物性质预测模型，其中，所述精调后的化合物性质预测模型用于预测化合物的目标性质。

3.根据权利要求1所述的方法，其中，所述方法还包括：

利用所述多个有标注化合物数据集中的一个有标注化合物数据集对所述化合物性质预测模型进行优化，得到优化后的化合物性质预测模型，其中，所述优化后的化合物性质预测模型用于预测化合物的一种性质。

4.根据权利要求3所述的方法，其中，所述方法还包括：

获取目标有标注化合物数据集，其中，所述目标有标注化合物数据集标注化合物的目标性质；

利用所述目标有标注化合物数据集对所述优化后的化合物性质预测模型进行精调，得到精调后的化合物性质预测模型，其中，所述精调后的化合物性质预测模型用于预测化合物的目标性质。

5.根据权利要求1-4中任一项所述的方法，其中，所述利用所述无标注化合物数据集对图神经网络进行预训练，得到预训练后的图神经网络，包括：

基于所述无标注化合物数据集中的无标注化合物数据，得到自监督信息；

将所述无标注化合物数据作为输入，将所述自监督信息作为输出，对所述图神经网络进行预训练，得到所述预训练后的图神经网络。

6.根据权利要求5所述的方法，其中，所述自监督信息包括以下至少一项：化合物局部结构、化合物键长、化合物键角、分子指纹。

7.根据权利要求1-6中任一项所述的方法，其中，所述多个有标注化合物数据集包括以下至少两项：标注药物的吸收分布代谢排泄毒性ADMET中的性质的化合物数据集、标注生物活性的化合物数据集、标注化合物理化属性的化合物数据集。

8.一种化合物性质预测化合物性质预测模型训练装置，包括：

第一获取模块，被配置成获取无标注化合物数据集；

第一训练模块，被配置成利用所述无标注化合物数据集对图神经网络进行预训练，得到预训练后的图神经网络；

第二获取模块，被配置成获取多个有标注化合物数据集，其中，一个有标注化合物数据集标注化合物的一种性质；

第二训练模块，被配置成利用所述多个有标注化合物数据集多所述预训练后的图神经网络进行多任务训练，得到化合物性质预测模型，其中，所述化合物性质预测模型用于预测化合物的多种性质。

9.根据权利要求8所述的装置，其中，所述装置还包括：

第三获取模块，被配置成获取目标有标注化合物数据集，其中，所述目标有标注化合物数据集标注化合物的目标性质；

第一精调模块，被配置成利用所述目标有标注化合物数据集对所述化合物性质预测模型进行精调，得到精调后的化合物性质预测模型，其中，所述精调后的化合物性质预测模型用于预测化合物的目标性质。

10.根据权利要求8所述的装置，其中，所述装置还包括：

优化模块，被配置成利用所述多个有标注化合物数据集中的一个有标注化合物数据集对所述化合物性质预测模型进行优化，得到优化后的化合物性质预测模型，其中，所述优化后的化合物性质预测模型用于预测化合物的一种性质。