本發明提出一種用于發現和優化藥物先導化合物的可泛化、可解釋的深度圖學習方法,該方法學習分子圖的可泛化表示,并可根據要求優化分子的成藥屬性。我們首先從PubChem等公開數據庫獲取分子的各項分類和回歸屬性,經過圖注意力神經網絡量化、編碼、提取分子中原子和鍵特征。然后針對分子屬性進行分類和回歸的可泛化學習。進而采用分子圖注意力重構模塊根據提取到的分子特征重構出分子圖結構;最后利用對抗生成模型通過梯度自檢出分子特征的關鍵擾動方向,并沿分子特征的關鍵擾動方向生成新的分子特征輸入至重構模塊,輸出分子優化結果。這方法統一了AI分子屬性的預測與優化,能夠提高新藥發現與設計的效率和成功率。
聲明:
“用于發現和優化藥物先導化合物的可泛化、可解釋的深度圖學習方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)