[發明專利]一種單步逆向合成方法及系統

有效

• 申請號: 202011383345.1
• 申請日: 2020-12-01
• 公開（公告）號: CN112397155B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 謝朋宇;卓漢逵
• 申請（專利權）人: 中山大學
• 主分類號: G16C20/30
• 分類號: G16C20/30;G16C20/70;G06N3/0464;G06N3/047;G06N3/08
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 李思坪

1.一種單步逆向合成方法，其特征在于，包括以下步驟：

獲取反應方程數據集并對反應方程數據集進行預處理，得到訓練集；

根據訓練集中反應方程的反應物和產物訓練預構建的反應中心識別模塊，得到訓練完成的反應中心識別模塊；

根據訓練集中反應方程的合成子序列訓練預構建的語法樹生成模塊，得到訓練完成的語法樹生成模塊；

獲取待測產物SMILES表達式并輸入到訓練完成的反應中心識別模塊，得到待測合成子序列；

將待測合成子序列輸入到訓練完成的語法樹生成模塊，得到待測抽象語法樹；

基于抽象語法樹的語法規則對待測抽象語法樹進行處理，得到對應反應物的SMILES表達式；

所述根據訓練集中反應方程的反應物和產物訓練預構建的反應中心識別模塊，得到訓練完成的反應中心識別模塊這一步驟，其具體還包括：

根據訓練集中反應方程的產物和反應物的對比，標記產物在反應過程中需要斷開的鍵對，得到標簽矩陣；

基于RDKIT獲取產物中的原子并以原子為節點、鍵對為邊的邏輯，得到產物分子圖；

根據標簽矩陣和產物分子圖訓練預構建的反應中心識別模塊，得到訓練完成的反應中心識別模塊；

所述獲取待測產物SMILES表達式并輸入到訓練完成的反應中心識別模塊，得到待測合成子序列這一步驟，其具體包括：

獲取待測產物SMILES表達式并進行特征抽取，得到分子各個鍵對的特征；

根據分子各個鍵對的特征預測分子各個鍵對斷開的概率，并將預測到的鍵對斷開的概率大于預設閾值的鍵對移除，得到待測合成子序列；

所述將待測合成子序列輸入到訓練完成的語法樹生成模塊，得到待測抽象語法樹這一步驟，其具體包括：

將合成子序列進行編碼，得到序列編碼特征向量；

基于Tree-Transformer框架對序列編碼特征向量進行解碼，得到待測抽象語法樹。

2.根據權利要求1所述一種單步逆向合成方法，其特征在于，還包括：

將部分反映方程數據集作為驗證集，對訓練完成的反應中心識別模塊和訓練完成的語法樹生成模塊進行驗證。

3.根據權利要求2所述一種單步逆向合成方法，其特征在于，所述獲取反應方程數據集并對反應方程數據集進行預處理，得到訓練集這一步驟，其具體包括：

獲取反應方程數據集；

過濾反應方程數據集中產物數量大于1的方程；

過濾反應方程數據集中含有不合法SMILE表達式的方程；

得到訓練集。

4.根據權利要求3所述一種單步逆向合成方法，其特征在于，所述根據訓練集中反應方程的合成子序列訓練預構建的語法樹生成模塊，得到訓練完成的語法樹生成模塊這一步驟，其具體包括：

根據SMILES語法規則抽取訓練集中反應物對應的AST作為標簽；

根據訓練集中合成子序列和對應的標簽訓練預構建的語法樹生成模塊，得到訓練完成的語法樹生成模塊。

5.一種單步逆向合成系統，其特征在于，包括以下模塊：

反應中心識別模塊，用于對產物SMILES表達式進行處理，輸出待測合成子序列；

語法樹生成模塊，用于根據合成子序列，輸出抽象語法樹結構；

所述反應中心識別模塊還包括：

特征抽取模塊，用于對產物SMILES表達式進行特征抽取，得到分子各個鍵對的特征；

特征交互和預測模塊，用于根據分子各個鍵對的特征預測分子各個鍵對斷開的概率，并將預測到的鍵對斷開的概率大于預設閾值的鍵對移除，得到待測合成子序列；

所述語法樹生成模塊還包括：

編碼模塊，用于將合成子序列進行編碼，得到序列編碼特征向量；

解碼模塊，用于基于Tree-Transformer框架對序列編碼特征向量進行解碼，得到待測抽象語法樹。