龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：长春工业大学
摘要：本发明公开了一种基于图同构网络的化合物毒性多任务学习方法，该方法主要包括：数据集准备，分子图处理，分子指纹处理，定义模型，模型预测。本发明通过基于图同构网络的化合物毒性多任务学习方法，实现了化合物毒性分类和多种化合物毒性类别分类，与现有的模型比较，有以下优点：（1）采用双通道结构，能够获取分子指纹和分子图表示，丰富了对化合物属性的理解。（2）利用包含两个前馈神经网络的多任务模型，同时对化合物毒性和多种化合物类别进行分类。（3）与现有模型相比，模型具有较高的ACC，F1，Precision值。
主权项：1.一种基于图同构网络的化合物毒性多任务学习方法，其特点在于，包括如下步骤：步骤S1，数据集准备：构建化合物毒性多任务学习数据集，将数据集划分为训练集和测试集，输入到模型中进行训练和测试；步骤S2，分子图处理：将化合物SMILES转化为分子图，并利用RDKit提取原子特征。原子特征作为节点属性，将化合物的分子图用于图表示学习，利用图同构网络从属性分子图中学习节点表示；步骤S3，分子指纹处理：将化合物SMILES转化为三种不同形式互补的分子指纹描述符，包括MACCS指纹、PharmacophoreErG指纹和PubChem指纹。将三种指纹拼接，利用多层感知机学习最终的化合物序列表示向量；步骤S4，定义模型：定义化合物毒性多任务学习模型，设置训练参数；步骤S5，模型预测：将训练集输入到上述模型进行训练，得到预测模型；将测试集输入到预测模型，得到预测结果，并对结果进行分析。
全文数据：
权利要求：
百度查询： 长春工业大学 一种基于图同构网络的化合物毒性多任务学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号