[发明专利]用于空间图卷积的系统和方法及其在药物发现和分子模拟中的应用

权利要求书

1.一种用于预测分子的特点的方法，其中该方法包括：

执行与分子集合的空间图表示的图卷积的第一集合，其中图卷积的第一集合基于分子集合之间的键；

执行与该空间图表示的图卷积的第二集合，其中图卷积的第二集合至少基于分子集合中每个原子与其它原子之间的距离；

用空间图表示执行图聚集以产生特征向量；以及

基于该特征向量来预测用于分子集合的一个或多个特点的集合。

2.如权利要求1所述的方法，还包括接收用于一个或多个分子的集合的原子信息。

3.如权利要求1所述的方法，还包括构建分子集合的空间图表示。

4.如权利要求3所述的方法，其中构建空间图表示包括生成距离矩阵和邻接张量，其中距离矩阵表示分子集合的原子之间的距离，并且邻接张量指示原子之间的多个不同边类型。

5.如权利要求4所述的方法，其中分子集合包括配体分子和目标分子，其中距离矩阵的行通过配体和目标分子中的成员关系来排序。

6.如权利要求1所述的方法，其中分子集合之间的键包括共价键。

7.如权利要求1所述的方法，其中分子集合之间的键包括π-π堆叠、氢键和疏水性接触中的至少一个。

8.如权利要求1所述的方法，其中图卷积的第二集合还基于分子集合之间的键。

9.如权利要求8所述的方法，其中图卷积的第一集合基于分子集合之间的键的第一集合，并且图卷积的第二集合基于分子集合之间的键的第二集合。

10.如权利要求9所述的方法，其中键的第一集合是键的第二集合的子集。

11.如权利要求1所述的方法，其中执行图卷积的第一集合包括在图卷积的每一层执行门控循环单元(GRU)操作。

12.如权利要求1所述的方法，其中执行图卷积的第一集合包括利用第一多个神经网络，其中第一多个神经网络中的每个神经网络用于不同的键类型。

13.如权利要求12所述的方法，其中执行图卷积的第二集合包括利用第二多个神经网络，其中第一多个神经网络的权重与第二多个神经网络共享。

14.如权利要求12所述的方法，其中执行图卷积的第二集合包括利用第二多个神经网络，其中第二多个神经网络的神经网络利用关于分子集合的原子之间的距离的距离信息。

15.如权利要求1所述的方法，其中分子集合包括配体分子和目标分子，其中图聚集仅对配体分子执行。

16.如权利要求1所述的方法，其中特点集合包括分子集合中的第一分子是否与分子集合中的第二分子键合。

17.一种用于训练空间卷积图模型的方法，该方法包括：

执行与分子集合的空间卷积图模型的图卷积的第一集合，其中图卷积的第一集合基于分子集合之间的键；

与该空间卷积图模型执行图卷积的第二集合，其中图卷积的第二集合至少基于分子集合中每个原子与其它原子之间的距离；

用空间卷积图模型执行图聚集；

基于图聚集计算分子集合的损失；以及

基于计算出的损失来更新空间卷积图模型。

18.如权利要求17所述的方法，还包括使用空间卷积图模型的层来训练一个或多个神经网络的集合以预测力场的一个或多个参数的集合。