[发明专利]化合物性质预测模型的训练方法、化合物性质的预测方法

说明书

本发明公开了一种化合物性质预测模型的训练方法、化合物性质的预测方法，其中化合物性质预测模型的训练方法包括：获取第一数据集，第一数据集中包括多组训练数据，每组训练数据包括一个第一化合物和第一化合物的性质；对训练数据集中的多个第一化合物按照预设的特征数据库进行编码，得到训练数据集中的多个第一化合物的特征表示；利用编码后的训练数据集对预设的神经网络模型进行训练，得到化合物性质预测模型。由于在对神经网络模型的训练时，输入的是特征表示后的多个第一化合物，可以使得在对神经网络模型训练时，使得训练任务变轻，从而解决了深层模型难以训练，并且有大量的超参数需要调整的技术问题。

技术领域

本发明涉及药物化学技术领域，具体涉及一种化合物性质预测模型的训练方法、化合物性质的预测方法。

背景技术

预测分子特性的任务是药物发现应用场景的核心，特别地说，小分子药物在经历漫长且花销昂贵的开发过程之后，设计出来的小分子药物可能具有异常好的靶向性或者实用性，但仍有近7成的候选药物由于小分子药物的毒理性或者生物活性的问题，无法通过临床实验。药物开发团队如果在设计之初就能大批量的理清待设计小分子药物的理化性质，就能有效避免药物开发失败。

对于小分子药物的理化性质的预测，目前公认的主要有两种方法：第一种方法为：基于基础物理学知识进行分子建模，并根据能量、力场的设定和模拟，最终获得化合物的理化性质。第二种方法为：基于现有数据进行建模预测。深度神经网络（DNN，Deep NeuralNetworks）都被广泛应用于药物发现领域的建模，但在实际应用中，DNN也存在很多问题，其中最大一个的问题在于深层模型难以训练，并且有大量的超参数需要调整。

发明内容

有鉴于此，本发明实施例提供了一种化合物性质预测模型的训练方法、化合物性质的预测方法，以解决DNN的深层模型难以训练，并且有大量的超参数需要调整的问题。

根据第一方面，本发明实施例提供了一种化合物性质预测模型的训练方法，包括以下步骤：获取第一数据集，所述第一数据集中包括多组训练数据，每组训练数据包括一个第一化合物和所述第一化合物的性质；对所述训练数据集中的多个第一化合物按照预设的特征数据库进行编码，得到所述训练数据集中的多个第一化合物的特征表示；利用编码后的训练数据集对预设的神经网络模型进行训练，得到化合物性质预测模型，其中所述编码后的训练数据集包括多组训练数据，每组训练数据包括一个第一化合物的特征表示和所述第一化合物的性质。

具体的，在对所述训练数据集中的多个第一化合物按照预设的特征数据库进行编码，得到所述训练数据集中的多个第一化合物的特征表示之前还包括：获取小分子药物数据库作为第二数据集，所述第二数据集中包括多个作为第二化合物的小分子药物的分子SMILES式；对所述多个第二化合物进行特征提取，得到所述特征数据库，其中所述特征数据库中包括多个分子特征。

具体的，所述对所述多个第二化合物进行特征提取，得到所述特征数据库包括：利用所述多个第二化合物对预设的Transformer 模型进行预训练，得到所述特征数据库。

具体的，所述Transformer 模型包括依次连接的第一分子注意力转化器、第一相加-归一化层、第二分子注意力转化器、第二相加-归一化层、前馈网络层、第三相加-归一化层、线性连接层和归一化层。

具体的，所述第一分子注意力转化器和所述第二注意力转化器均包括原子特征化层，所述原子特征化层基于以下注意力公式计算修正后的注意力表示：

；