[发明专利]一种先导化合物虚拟筛选方法和装置

权利要求书

1.一种先导化合物虚拟筛选方法，其特征在于，所述方法包括如下步骤：

步骤1：进行关于H_l，W，P，O；f←0s，F←0s的初始化，其中l∈[1，L]，V∈[1，5]；

步骤2：从给定一组用于训练的n个配体的数据D中随机抽取一批子集S；

步骤3：通过Rdkit工具和配体的smile格式，得到子集S中每一个分子的化学信息数据；

步骤4：利用公式通过累加操作考虑原子a的所有近邻原子信息；

步骤5：利用公式通过卷积操作考虑原子a的连接化学键的信息；

步骤6：利用公式c_a＝s(m_aH_l)，通过卷积操作计算c_a，其中m_a是I_a和用于表征原子连接的化学键信息的权重矩阵乘积的ReLU激活函数的结果，c_a是m_a和连接权重向量乘积的softmax函数的结果；

步骤7：利用公式f＝f+c_a，对分子进行累加操作依次得到每一模块单元的分子指纹f，即分子指纹f是每一模块单元的c_a的累加；

步骤8：利用公式将每个模块单元得到的分子指纹f_l加权组合在一起，生成新的加权分子指纹F，加权分子指纹生成部分只包含一层，即对由各模块单元生成的分子指纹进行加权得到新的分子指纹；

步骤9：利用公式预测得到生物配体的活性，使用的活性值为-log₁₀v，其中v是生物活性值，以此来缩小生物活性值的跨度，生物活性生成部分是由两个全连接层构成；

步骤10：得到预测活性值后，通过公式的计算，可以得到目标损失函数，通过使用训练数据集中配体分子个数、分子的真实活性值与预测活性值，以及加权深度学习模型中需要求解的权重参数，进行预测活性值的优化，所述优化包括第一部分是正则化的二次成本函数，其考虑了估计项目与观测值的偏差，第二部分是控制模型复杂性并避免过度拟合的正则化条件；

步骤11：通过公式用Adam算法来对加权深度学习模型中的所有权重参数θ进行更新，为每个模块单元给定属性向量m_a的特征维度、指纹长度B和中间层的N个神经元，不断更新梯度和平方斜率的指数移动平均值，并在初始化时间步长期间，将这些移动平均值初始化为全0的向量，并在最后权重参数θ会通过导致偏差校正的估计量以及步长进一步更新；

步骤12：判断模型优化是否达到预期的标准，如果没有，返回步骤2继续执行操作；反之，返回生成的新的加权分子指纹F；

步骤13：构建随机森林回归预测模型：P＝Predictor(F，Y)，随机森林是M个决策树{T₁(x)，...，T_M(x)}的集合，其中，x＝{x₁，...，x_k}是配体指纹的k维向量，随机森林模型产生M个输出结果其中，是第m个树的配体预测值，继而，再组合所有树的输出以产生一个最终预测即为个体树预测的平均值，在给定一组用于训练的n个配体的数据D＝{(X₁，Y₁)，...，(X_n，Y_n)}后，其中，n为用于训练的配体个数，X_i是指纹向量，Y_i是配体的活性值，其中i＝1，...，n。

2.根据权利要求1所述的一种先导化合物虚拟筛选方法，其特征在于，所述步骤13包括：

(1)从n个配体的训练数据中，绘制一个引导样本数据集，即通过从D中随机取样替代，产生n个训练样本；

(2)对于每个引导样本数据集，使用以下方案生成树：在每个节点，选择随机获取到的特征子集中的最佳分割，树生长到最大尺寸，即直到没有更多的分裂是可能的，而不是进行修剪；

(3)重复上述步骤(1)-(2)直到M个这样的树生长出来，其中M为随机森林回归预测模型中树的个数。