[发明专利]一种物质特性预测方法、终端以及存储介质

说明书

本发明公开了一种物质特性预测方法、终端及存储介质，所述方法包括：获取目标物质的分子结构对应的目标图，根据所述目标图获取目标信息；将所述目标信息输入至经训练的神经网络，对所述目标信息进行处理，输出所述目标物质的特性预测结果。本发明通过将物质的分子结构转换成对应的图，再通过经训练的神经网络来预测目标物质的特性，能够为物质特性研究提供辅助决策，缩短药物特性研究时间。

技术领域

本发明涉及药物特性检测技术领域，特别涉及一种物质特性预测方法、终端以及存储介质。

背景技术

药物特性研究的目的是保证药物安全、有效，其依赖于人工对药物进行一系列实验室以及临床的试验，由于药物特性的范围广，对于一种新的药物来说，需要经过大量的试验来测试药物各种特性的可能性，导致药物特性研究耗时长。

因此，现有技术还有待改进和提高。

发明内容

本发明提供一种物质特性预测方法、终端及存储介质，旨在解决现有技术中药物特性的研究仅限于实验室以及临床试验导致药物特性研究耗时长的问题。

本发明的第一方面，提供一种物质特性预测方法，包括：

获取目标物质的分子结构对应的目标图，根据所述目标图获取目标信息，其中，所述目标信息包括所述目标图中的各个节点分别对应的各个第一编码、所述目标图中的各个连接边对应的各个第二编码、以及所述各个节点之间的连接关系；

将所述目标信息输入至经训练的神经网络，对所述目标信息进行处理，输出所述目标物质的特性预测结果；

其中，所述目标图中的各个节点与所述分子结构中的各个原子一一对应，所述目标图中的各个连接边与所述分子结构中的各个连接化学键一一对应；所述神经网络是根据多组训练数据训练完成的，每组训练数据包括样本目标信息以及所述样本目标信息对应的物质的特性信息。

所述的物质特性预测方法，其中，所述根据所述目标图获取目标信息包括：

获取所述分子结构中的各个原子的类别，根据所述各个原子的类别获取所述目标图中的各个节点分别对应的所述各个第一编码；

获取所述分子结构中的各个连接化学键的类别，根据所述各个连接化学键的类别获取所述目标图中的各个连接边分别对应的所述各个第二编码。

所述的物质特性预测方法，其中，所述神经网络输出的所述目标物质的特性预测结果为特性预测向量，所述特性预测向量中包括所述目标物质具有各个预设特性的概率。

所述的物质特性预测方法，其中，所述样本目标信息对应的物质的特性信息包括所述样本目标信息对应的物质是否具有所述各个预设特性的信息。

所述的物质特性预测方法，其中，所述神经网络中包括多个网络层，每个网络层的输入为上一层的输出，所述多个网络层包括至少一个第一网络层和至少一个第二网络层，所述第一网络层为特征提取层，所述第二网络层为图池化层，所述对所述目标信息进行处理包括：

在所述第一网络层中，根据上一层输出的各个第一节点的特征以及所述各个第一节点之间的连接关系对所述各个第一节点进行特征提取，输出提取出的所述各个第一节点的特征；

在所述第二网络层中，根据上一层输出的各个第二节点的特征对所述各个第二节点进行合并，输出各个第三节点以及所述各个第三节点对应的特征，其中，所述第三节点的数量小于所述第二节点的数量；

其中，所述神经网络中的第一个网络层为所述第一网络层，所述目标图中的所述各个节点对应的初始特征为所述各个第一编码。

所述的物质特性预测方法，其中，在所述神经网络中的第一个所述第二网络层之前的所述第一网络层中，所述根据上一层输出的各个第一节点的特征以及所述各个第一节点之间的连接关系对所述各个第一节点进行特征提取包括：