买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军空军军医大学

摘要：本发明公开了一种基于深度学习的未知物质急性毒性预测方法、系统及设备，涉及物质毒性检测技术领域，方法包括将获取的目标区域内化学物质的CANONICALSMILES码编码成相应的DGL图，并将相应的DGL图输入至未知物质急性毒性预测模型中，得到目标区域内化学物质的种类以及每种化学物质的急性毒性程度；其中，上述模型是根据改进的图注意力网络模型确定的；改进的图注意力网络模型包括输入层、特征提取层、隐含层、池化层以及线性分类层；隐含层的注意力机制为基于面向图节点分类任务的SuperGAT的注意力机制。本发明能够高精度、高效率预测目标区域化学物质以及该化学物质的急性毒性程度。

主权项：1.一种基于深度学习的未知物质急性毒性预测方法，其特征在于，包括：获取目标区域内化学物质的CANONICALSMILES码，并将目标区域内化学物质的CANONICALSMILES码编码成目标区域内化学物质的DGL图；将目标区域内化学物质的DGL图输入至未知物质急性毒性预测模型中，得到目标区域内化学物质的种类以及每种化学物质的急性毒性程度；所述未知物质急性毒性预测模型是根据改进的图注意力网络模型确定的；改进的图注意力网络模型包括输入层、特征提取层、隐含层、池化层以及线性分类层；其中，所述隐含层的注意力机制为基于面向图节点分类任务的SuperGAT的注意力机制；所述未知物质急性毒性预测模型的确定过程为：构建样本数据集合；所述样本数据集合包括多个样本数据；所述样本数据包括输入数据以及所述输入数据对应的标签数据；所述输入数据为样本区域内化学物质的DGL图，所述标签数据为样本区域内化学物质的种类以及每种化学物质的急性毒性程度；构建改进的图注意力网络模型；采用样本数据训练改进的图注意力网络模型，并采用反向传播迭代方式，调整改进的图注意力网络模型的网络参数，以使训练后的改进的图注意力网络模型的损失值小于设定阈值，得到训练好的改进的图注意力网络模型；其中，训练好的改进的图注意力网络模型为未知物质急性毒性预测模型；所述隐含层包括两层改进的图注意力网络；改进的图注意力网络为在原图注意力网络基础上，将原图注意力网络的注意力机制修改为改进的注意力机制后得到的网络；所述原图注意力网络为版本为GATv2的图注意力网络；改进的注意力机制为将点积注意力函数和拼接注意力函数进行融合后得到的注意力机制。

全文数据：

权利要求：

百度查询： 中国人民解放军空军军医大学 基于深度学习的未知物质急性毒性预测方法、系统及设备