[发明专利]分子表示方法及电子设备

说明书

本公开实施例涉及一种分子表示方法及电子设备。该分子表示方法，包括：确定分子的分子表面，分子表面为连续的黎曼流形且分子表面包括离散的多个表面节点；基于分子表面，确定分子的几何特征；通过将分子内部的原子信息映射到多个表面节点，确定分子的化学特征；通过将几何特征与化学特征进行整合，确定分子的统一特征；以及通过使用含时演化神经网络模型，基于统一特征确定分子的含时演化多尺度特征。以此方式，本公开的实施例中，通过含时演化多尺度特征，提供了一种不同于已有的分子表示方法的、基于黎曼流形的分子表示方法。该含时演化多尺度特征包括分子的几何特征和化学特征，从而能够全面地表征分子的整体信息。

技术领域

本公开总体上涉及计算机领域和生物信息领域，并且更具体地涉及分子表示方法及电子设备。

背景技术

近年来，利用人工智能技术(例如机器学习、深度学习等)加速新药研发已经成为生物制药领域的重要发展方向。相比于传统的湿实验方法，如由专家在实验室合成新药并测试活性，基于人工智能的药物研发可以通过计算机模拟和高通量筛选大幅加速新药的研发速率。然而，人工智能技术并不能直接作用于实验室里的药物分子。相反，药物分子需要通过分子表示方法进行表征从而实现计算机建模。常见的分子表示方法包括图模型(molecular graph)、点云(point cloud)、3维体素(voxel)等。

但是，目前常见的分子表示方法无法全面地表征分子的整体信息。因此需要一种更普适的分子表示方法。

发明内容

根据本公开的示例实施例，提供了一种分子表示方法，基于分子表面的黎曼流形来确定分子的含时演化多尺度特征。

在本公开实施例的第一方面，提供了一种分子表示方法，包括：确定分子的分子表面，分子表面为连续的黎曼流形且分子表面包括离散的多个表面节点；基于分子表面，确定分子的几何特征；通过将分子内部的原子信息映射到多个表面节点，确定分子的化学特征；通过将几何特征与化学特征进行整合，确定分子的统一特征；以及通过使用含时演化神经网络模型，基于统一特征确定分子的含时演化多尺度特征。

在本公开实施例的第二方面，提供了一种电子设备，包括：至少一个处理单元；至少一个存储器，至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令，该指令当由至少一个处理单元执行时使得电子设备执行根据本公开的第一方面所描述的方法。

在本公开实施例的第三方面，提供了一种计算机可读存储介质，该计算机可读存储介质具有在其上存储的机器可执行指令，该机器可执行指令在由设备执行时使该设备执行根据本公开的第一方面所描述的方法。

在本公开实施例的第四方面，提供了一种计算机程序产品，包括计算机可执行指令，其中计算机可执行指令在被处理器执行时实现根据本公开的第一方面所描述的方法。

在本公开实施例的第五方面，提供了一种电子设备，包括：处理电路，被配置为执行根据本公开的第一方面所描述的方法。

提供发明内容部分是为了以简化的形式来介绍一系列概念，它们在下文的具体实施方式中将被进一步描述。发明内容部分不旨在标识本公开的关键特征或必要特征，也不旨在限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：

图1示出了针对苯分子的多种不同的分子表示方法的示意图；

图2示出了根据本公开的一些实施例的示例过程的示意流程图；

图3示出了根据本公开的一些实施例的苯分子的电子密度场的示意图；

图4A和图4B分别示出了根据本公开的一些实施例的以三角剖分所表示的分子表面的示意图；