[发明专利]化合物性质预测模型训练方法、装置、设备以及存储介质

说明书

本公开提供了一种化合物性质预测模型训练方法、装置、设备、存储介质以及程序产品，涉及人工智能技术领域，尤其涉及深度学习技术领域。该方法的一具体实施方式包括：获取无标注化合物数据集；利用无标注化合物数据集对图神经网络进行预训练，得到预训练后的图神经网络；获取多个有标注化合物数据集，其中，一个有标注化合物数据集标注化合物的一种性质；利用多个有标注化合物数据集多预训练后的图神经网络进行多任务训练，得到化合物性质预测模型，其中，化合物性质预测模型用于预测化合物的多种性质。该实施方式提出了一种多阶段化合物预训练和知识迁移的训练框架，显著提升模型效果。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习技术领域。

背景技术

基于长期的药物研发实践，研究人员发现候选化合物在后期临床实验中的表现很大程度上与其在人体内的吸收(Absorption)、分布(Distribution)、代谢(Metabolism)、排泄(Excretion)和毒性(Toxicity)相关。因此，准确地预测候选化合物的ADMET性质能够帮助在药物研发早期快速筛选潜在成功率更高地化合物，从而节省新药研发周期并降低研究成本。

ADMET预测平台的核心是算法模型，现有的ADMET预测平台通常会应用某种深度学习模型。然而，深度学习模型需要获取大量有标注训练数据进行有监督训练，若训练数据不足会限制模型的效果提升。

发明内容

本公开实施例提出了一种化合物性质预测模型训练方法、装置、设备、存储介质以及程序产品。

第一方面，本公开实施例提出了一种化合物性质预测模型训练方法，包括：获取无标注化合物数据集；利用无标注化合物数据集对图神经网络进行预训练，得到预训练后的图神经网络；获取多个有标注化合物数据集，其中，一个有标注化合物数据集标注化合物的一种性质；利用多个有标注化合物数据集多预训练后的图神经网络进行多任务训练，得到化合物性质预测模型，其中，化合物性质预测模型用于预测化合物的多种性质。

第二方面，本公开实施例提出了一种化合物性质预测模型训练装置，包括：第一获取模块，被配置成获取无标注化合物数据集；第一训练模块，被配置成利用无标注化合物数据集对图神经网络进行预训练，得到预训练后的图神经网络；第二获取模块，被配置成获取多个有标注化合物数据集，其中，一个有标注化合物数据集标注化合物的一种性质；第二训练模块，被配置成利用多个有标注化合物数据集多预训练后的图神经网络进行多任务训练，得到化合物性质预测模型，其中，化合物性质预测模型用于预测化合物的多种性质。

第三方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

第五方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开实施例提供的化合物性质预测模型训练方法，提出了一种多阶段化合物预训练和知识迁移的训练框架。一方面，通过自监督训练任务，在大规模无标注化合物数据集上预训练模型，使得模型学习化合物结构中隐含的物理化学知识；一方面，通过多任务训练，使得模型学习更广泛的领域知识，实现知识迁移。从而显著提升模型效果。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明