[發明專利]基于多尺度圖卷積的分子性質預測模型

在審

• 申請號: 202210754559.8
• 申請日: 2022-06-30
• 公開（公告）號: CN115019899A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 甄紅帥
• 申請（專利權）人: 蘇州百分數科技有限公司
• 主分類號: G16C20/30
• 分類號: G16C20/30;G16C20/64;G06N3/04;G06N3/08
• 代理公司: 無錫知更鳥知識產權代理事務所(普通合伙) 32468
• 代理人: 張濤

1.一種基于多尺度圖卷積的分子預測模型，其特征在于，該預測模型的構建方法包括：

步驟1、構造以原子為節點的分子圖，學習原子層面的結構-性質關聯關系；

步驟2、構造以分子子結構為節點的分子超圖，學習子結構層面的結構-性質關聯關系；

步驟3、從原子層次和子結構層次提取化合物分子的層級特征，構建所述分子性質預測模型。

2.根據權利要求1所述的基于多尺度圖卷積的分子預測模型，其特征在于，所述步驟1中以原子為節點的分子圖的構造方法為，以節點表示原子，邊表示化學鍵，將分子描述為G＝(V,E)，其中V為分子中的所有原子代表的節點，E為分子中連接原子節點的邊，原子節點的特征由One-Hot向量表示。

3.根據權利要求2所述的基于多尺度圖卷積的分子預測模型，其特征在于，所述步驟2中以分子子結構為節點的分子超圖的構造方法為，通過圖卷積網絡提取分子子結構圖的特征作為分子超圖的節點特征，公共原子類型特征作為分子超圖的邊特征。

4.根據權利要求3所述的基于多尺度圖卷積的分子預測模型，其特征在于，所述分子超圖采用T＝(S,A)表示，其中，S對應該分子內所有子結構，A對應于相鄰子結構的共有原子。

5.根據權利要求1所述的基于多尺度圖卷積的分子預測模型，其特征在于，所述步驟3中從原子層次和子結構層次提取化合物分子的層級特征的方法為，通過圖卷積神經網絡分別對分子圖特征和分子超圖特征進行提取，并將分子圖特征向量和分子超圖特征向量進行融合，作為分子的整體特征。

6.根據權利要求5所述的基于多尺度圖卷積的分子預測模型，其特征在于，所述分子的整體特征輸入多層感知機網絡分別針對多種分子性質訓練模型，預測化合物分子性質。