[发明专利]一种基于生物活性指纹的分子相似度计算方法及系统

权利要求书

1.一种基于生物活性指纹的分子相似度计算方法，其特征在于，包括：

S1，基于分子与靶点蛋白的生物活性数据对分子图进行预训练获得用于表征分子的图神经网络，基于所述图神经网络获得分子中每个原子的预训练向量化映射(embedding)；

S2，将所述分子分解目标分子与查询分子，得到相应的子图(reduced graph)；

S3，对子图(reduced graph)的每一个节点中的所有原子的预训练向量化映射(embedding)求和，作为该节点在对应子图中的表征；

S4，遍历两个子图(reduced graph)的最大公共子图可能性，并基于所述可能性和所述节点在对应子图中的表征计算两个子图中查询分子和目标分子各个节点之间的谷本(tanimoto)相似系数，其中最大公共子图谷本(tanimoto)相似系数作为两个分子的相似度。

2.根据权利要求1所述的一种基于生物活性指纹的分子相似度计算方法，其特征在于，所述用于表征分子的图神经网络为GAT，所述基于分子与靶点蛋白的生物活性数据对分子图进行预训练获得用于表征分子的图神经网络包括：

S11，对分子中的原子信息进行聚合；

S12，利用循环神经网络GRU表示图网络中的节点传播；

S13，用多层全连接网络MLP预测分子的生物活性。

3.根据权利要求2所述的一种基于生物活性指纹的分子相似度计算方法，其特征在于，所述S11包括：

获取原子聚合键的信息如式(1)所示：

其中，v_i表示原子，u_i，j表示原子之间的键,v_si表示聚合键信息后的原子，表示特征拼接；

基于对分子中的原子信息进行聚合，如式(2)所示：

其中，v'_si表示聚合原子信息后的原子表征，表示第k个head中i、j原子的attention权重，W^k表示第k个head的可学习权重，σ表示非线性激活函数。

4.根据权利要求3所述的一种基于生物活性指纹的分子相似度计算方法，其特征在于，所述S12，利用循环神经网络GRU表示图网络中的节点传播采用式(3)表示：

其中，z表示最终的分子表征。

5.根据权利要求4所述的一种基于生物活性指纹的分子相似度计算方法，其特征在于，所述S13，用多层全连接网络MLP预测分子的生物活性，采用式(4)表示：

y＝MLP(z)    (4)；

y表示生物活性。

6.根据权利要求5所述的一种基于生物活性指纹的分子相似度计算方法，其特征在于，所述S2包括：

S21，将所述分子分解目标分子与查询分子，以单个原子为中心，将其连通距离小于等于2的原子作为该子图的元素；

S22，将所有所述元素集合形成相应的子图，其中，每个子图之间没有重复的原子，并且每个子图的原子数大于2。

7.根据权利要求6所述的一种基于生物活性指纹的分子相似度计算方法，其特征在于，所述S3包括：

S31，将目标分子和查询分子输入经过与训练的图神经网络获得目标分子表征和查询分子表征，所述目标分子表征和查询分子表征组成所有原子的预训练向量化映射(embedding)；

S32，对子图(reduced graph)的每一个节点中的所有原子的预训练向量化映射(embedding)求和，作为该节点在对应子图中的表征s_i；采用式(5)表示：

其中，z_j表示原子的预训练向量化映射(embedding)。