[发明专利]药物分类方法、装置、终端设备以及存储介质

权利要求书

1.一种药物分类方法，其特征在于，所述方法包括：

获取待检测药物分子中各原子的属性特征向量和虚拟原子的属性特征向量，其中，所述待检测药物分子包括n个原子，所述虚拟原子连接所述n个原子中的每个原子；

根据所述虚拟原子与所述n个原子中每个原子的连接关系，以及所述n个原子中各原子间的连接关系构建邻接矩阵，并根据所述n个原子和所述虚拟原子的属性特征向量构建原子属性特征矩阵；

将所述邻接矩阵和原子属性特征矩阵输入图神经网络以通过所述图神经网络确定出所述n个原子和所述虚拟原子的传递特征矩阵；

根据所述传递特征矩阵确定所述待检测药物分子对应的分子特征向量，将所述分子特征向量输入分类器以通过所述分类器输出所述待检测药物分子的药物类别。

2.根据权利要求1所述的方法，其特征在于，所述n个原子和所述虚拟原子中任一原子的属性特征向量由所述任一原子的属性特征确定，所述任一原子的属性特征包括原子类型、化学键个数、形式电荷、原子手性、连接氢原子个数、原子轨道、芳香性中的一个或者多个。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取待检测药物分子中连接各原子的化学键对应的属性特征向量，以及连接所述虚拟原子和所述n个原子中每个原子的化学键对应的属性特征向量；

根据所述各原子的化学键对应的属性特征向量和所述虚拟原子的化学键对应的属性特征向量构建化学键属性特征矩阵；

所述将所述邻接矩阵和原子属性特征矩阵输入图神经网络以通过所述图神经网络确定出所述n个原子和所述虚拟原子的传递特征矩阵包括：

将所述化学键属性特征矩阵连同所述邻接矩阵和所述原子属性特征矩阵输入图神经网络以通过所述图神经网络确定出所述n个原子和所述虚拟原子的传递特征矩阵。

4.根据权利要求3所述的方法，其特征在于，所述n个原子间的化学键和连接所述虚拟原子和所述n个原子中每个原子的化学键中任一化学键的属性特征向量由所述任一化学键的属性特征确定，所述任一化学键的属性特征包括化学键类型、共轭特征、环键特征和分子立体化学特征中的一个或者多个。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述获取待检测药物分子中各原子的属性特征向量和虚拟原子的属性特征向量之前，所述方法还包括：

获取训练数据集，所述训练数据集中包括多个药物分子训练样本，其中，一个药物分子训练样本中包括至少一个样本药物分子以及所述至少一个样本药物分子中每个样本药物分子的药物类别标签；

根据各个药物分子训练样本训练所述图神经网络和所述分类器，以得到满足收敛条件的所述图神经网络和所述分类器。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述传递特征矩阵确定所述待检测药物分子对应的分子特征向量，包括：

将所述传递特征矩阵中所述虚拟原子对应的传递特征向量确定为所述待检测药物分子对应的分子特征向量。

7.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述传递特征矩阵确定所述待检测药物分子对应的分子特征向量，包括：

获取所述传递特征矩阵中所述n个原子对应的n个传递特征向量，其中，一个原子对应一个传递特征向量；

将所述n个传递特征向量之和确定为第一分子特征向量，以及将所述传递特征矩阵中所述虚拟原子对应的传递特征向量确定为第二分子特征向量；

对所述第一分子特征向量和所述第二分子特征向量进行加权求和以得到第三分子特征向量，将所述第三分子特征向量确定为所述待检测药物分子对应的分子特征向量。