[發明專利]基于多任務膠囊自編碼器神經網絡的全新分子生成方法

有效

• 申請號: 202011247808.1
• 申請日: 2020-11-10
• 公開（公告）號: CN112270951B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 鄒俊;楊勝勇;李侃;楊欣
• 申請（專利權）人: 四川大學
• 主分類號: G16B15/30
• 分類號: G16B15/30;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多任務膠囊自編碼器神經網絡的全新分子生成方法，其特征在于：將藥物分子表示為SMILES(簡化分子線性輸入規范)，標記目標性質標簽，利用自編碼器框架，建立包括編碼器、多任務膠囊分類器和解碼器的全新分子生成模型；編碼器利用雙向長短期記憶網絡將藥物分子SMILES編碼為固定長度的向量；多任務膠囊分類器采用雙層膠囊層優化Margin Loss，編碼并預測藥物分子的性質標簽；解碼器利用長短期記憶網絡對隱藏層向量進行解碼，實現輸入與輸出的重構；

包括以下步驟：

步驟1：收集訓練數據，提取分子獨熱(one-hot)編碼表，計算性質標簽；

步驟2：通過訓練階段學習已知藥物分子的特征，得到訓練模型；

步驟3：通過重構階段，利用訓練模型重構分子；

步驟4：通過生成階段，利用訓練模型生成特定性質分子。

2.如權利要求1所述的一種基于多任務膠囊自編碼器神經網絡的全新分子生成方法，其特征在于，所述步驟1具體包括：

收集藥物分子，建立特定的數據集；

采用SMILES(簡化分子線性輸入規范)表示藥物分子；

計算或收集藥物分子目標性質數據，如果數據是定量表示，選擇合理的閾值轉為定性表示，即目標性質＝1；非目標性質＝0；所有分子描述符的計算通過開源PaDEL-Descriptor、RDKit或Discovery Studio程序完成；

訓練數據同時包含藥物分子SMILES和特定的性質標簽。

3.如權利要求1所述的一種基于多任務膠囊自編碼器神經網絡的全新分子生成方法，其特征在于，所述步驟2具體包括：

將訓練數據輸入多任務膠囊自編碼器神經網絡進行訓練；

多次手動調整模型的學習率、神經元數目和訓練步數超參數，保留交叉熵損失函數值最小的訓練模型；

保留多次訓練過程中最佳的模型作為預訓練模型。

4.如權利要求1所述的一種基于多任務膠囊自編碼器神經網絡的全新分子生成方法，其特征在于，所述步驟3具體包括：

運行訓練模型，編碼器將訓練數據批量編碼為固定長度的向量

解碼器將固定長度的向量解碼為重構分子數據；

通過重構分子數據計算重構率；

保存重構的分子數據。

5.如權利要求1所述的一種基于多任務膠囊自編碼器神經網絡的全新分子生成方法，其特征在于，所述步驟4具體包括：

運行訓練模型，編碼器將訓練數據批量編碼為固定長度的向量；

多任務膠囊分類器編碼并預測訓練分子的性質；

對目標性質分子的向量表示進行數據增強，得到新的向量分布；

解碼器將新的向量分布解碼為生成分子數據；

多次手動調試數據增強過程的超參數，保留最佳生成結果；

當生成的分子達到預先設定的分子數量時，保存生成的分子數據。

6.如權利要求5所述的一種基于多任務膠囊自編碼器神經網絡的全新分子生成方法，其特征在于，所述的多任務膠囊自編碼器神經網絡包括編碼器、多任務膠囊分類器和解碼器，所述的訓練數據作為編碼器的輸入，所述編碼器的輸出作為多任務膠囊分類器的輸入；所述多任務膠囊分類器的輸出作為解碼器的輸入。