[发明专利]基于数据挖掘的分子生成方法

说明书

本发明公开了一种基于数据挖掘的分子生成方法，包括：获取数据集，从数据集中挑选出N_p个的分子；对所有分子进行编码，获得相应的分子矩阵，将N_p个分子矩阵作为初始种群，并结合化学先验知识对每一分子矩阵进行化学限制掩码操作，以指示各分子中的各个原子是否饱和；基于分子矩阵以及化学限制掩码操作结果，在种群内进行交叉与变异操作，产生多个新的分子矩阵，通过适应度函数从种群中的分子矩阵与所述新的分子矩阵中选出N_p个的分子矩阵作为下一代种群；对下一代种群中的分子矩阵执行上述操作，直至种群收敛或者迭代次数超过预先设定的上限。上述可以解决深度学习模型效率低下和计算昂贵的弊端，大幅提升了效率和效果，且产生的均为合法分子。

技术领域

本发明涉及自动分子生成领域，尤其涉及一种基于数据挖掘的分子生成方法。

背景技术

分子生成是一项对化学制药领域非常重要的任务。以往的化学制药业中，从一种药物发现到药物投入实际生成需要数十亿美元和十几年的时间。近年来，使用计算机加速分子制药的技术得到越来越到的关注，在计算机和化学的顶级期刊上都有很多文章开始关注这个方面的研究，可见其重要性。

传统的制药范式首先要基于现有的化学材料概念，然后依据此概念合成出候选的材料，再在整个系统中测试材料，最后再评估材料的特性和属性。然而这种范式效率非常地低，因此很多研究人员利用机器学习的方式对此进行改进。在目前的研究工作中利用机器学习的方式改进此范式可以分为如下两类。

(1)传统的预测模型：针对一种特定属性，利用分子的特征训练预测模型。之后依据要求，遍历数据集中的分子以寻找最符合要求的分子。但是这种模型有很大缺陷。一方面，遍历数据集中的分子效率是非常低下的，另一方面，数据集中的分子不一定有满足要求的分子。因此，很多研究工作开始把目光聚焦在如何寻找数据集之外的符合要求的分子。

(2)生成模型：寻找数据集之外的分子最直接的思路就是学习已有数据集之中的分子分布，然后生成和数据集之中相似的分子。这方面，深度生成模型例如生成对抗网络(GANs)和变分自编码器(VAEs)无疑有着巨大的发挥潜力。很多工作基于这两个框架在分子生成工作这个方面做出来非常卓越的贡献。但是深度学习模型通常需要大量有标签的数据，非常多的计算资源，非常复杂的训练模型，这给实际的应用带来很大的难度。同时，也有将此问题看成黑盒优化问题，利用演化计算的角度来解决这个问题，但是效果和效率上有待提升，例如生成分子的过程会产生非法的分子。

发明内容

本发明的目的是提供一种基于数据挖掘的分子生成方法，通过分子编码与化学限制掩码操作，结合演化计算框架，能够快速的产生新的分子，并使产生的分子都是合法的。

本发明的目的是通过以下技术方案实现的：

一种基于数据挖掘的分子生成方法，包括：

步骤1、获取数据集，从数据集中挑选出N_p个的分子；

步骤2、对所有分子进行编码，获得相应的分子矩阵，将N_p个分子矩阵作为初始种群，并结合化学先验知识对每一分子矩阵进行化学限制掩码操作，以指示各分子中的各个原子是否饱和；

步骤3、基于分子矩阵以及化学限制掩码操作结果，在种群内进行交叉与变异操作，产生多个新的分子矩阵，通过适应度函数从种群中的分子矩阵与所述新的分子矩阵中选出N_p个的分子矩阵作为下一代种群；

步骤4、对下一代种群中的分子矩阵执行步骤3的操作，直至种群收敛或者迭代次数超过预先设定的上限。

由上述本发明提供的技术方案可以看出，可以解决深度学习模型效率低下和计算昂贵的弊端，同时在传统演化计算的基础上大幅提升了效率和效果。同时整个方案简单，利于实际应用。

附图说明