[發(fā)明專利]一種基于向量化的參考反應(yīng)查詢方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202211441411.5
• 申請日: 2022-11-17
• 公開（公告）號: CN116226472A
• 公開（公告）日: 2023-06-06
• 發(fā)明（設(shè)計）人: 段永耀;馬汝建;彭宣嘉
• 申請（專利權(quán)）人: 上海藥明康德新藥開發(fā)有限公司
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06F18/213
• 代理公司: 上海市匯業(yè)律師事務(wù)所 31325
• 代理人: 余艷

1.一種基于向量化的參考反應(yīng)查詢方法，其特征在于，包括以下步驟：

根據(jù)每個反應(yīng)對應(yīng)一個總向量，通過聚類算法將數(shù)據(jù)庫中的若干反應(yīng)劃分為若干簇類，得到每個簇類的聚類中心的總向量；計算query反應(yīng)與每個所述簇類的聚類中心兩兩之間的相似度，得到與所述query反應(yīng)相似度最大的聚類中心；計算query反應(yīng)與所述相似度最大的聚類中心所在簇類的所有反應(yīng)兩兩之間的相似度，得到與所述query反應(yīng)最相似的N個反應(yīng)，N＞0；

所述總向量包含AI指紋、反應(yīng)傳統(tǒng)指紋和產(chǎn)物分子傳統(tǒng)指紋；S_{加權(quán)}＝(w1×S_AI+w2×S_{反應(yīng)}+w3×S_{產(chǎn)物})/(w1+w2+w3)；S_{加權(quán)}表示兩個反應(yīng)之間的相似度；S_AI表示兩個反應(yīng)之間的AI指紋相似度，由對應(yīng)的兩個AI指紋之間通過余弦距離計算獲得；S_{反應(yīng)}表示兩個反應(yīng)之間的反應(yīng)傳統(tǒng)指紋相似度，由對應(yīng)的兩個反應(yīng)傳統(tǒng)指紋之間通過Jaccard距離計算獲得；S_{產(chǎn)物}表示兩個反應(yīng)之間的產(chǎn)物分子傳統(tǒng)指紋相似度，由對應(yīng)的兩個產(chǎn)物分子傳統(tǒng)指紋之間通過Jaccard距離計算獲得；w1、w2和w3分別表示AI指紋的權(quán)重、反應(yīng)傳統(tǒng)指紋的權(quán)重和產(chǎn)物分子傳統(tǒng)指紋的權(quán)重，w1:w2:w3＝(1～10):(1～10):1。

2.如權(quán)利要求1所述的基于向量化的參考反應(yīng)查詢方法，其特征在于，w1:w2:w3＝3:3:1。

3.如權(quán)利要求1所述的基于向量化的參考反應(yīng)查詢方法，其特征在于，所述聚類算法包括以下步驟：

S1、每個所述總向量對應(yīng)高維空間中的一個數(shù)據(jù)點，隨機選取K個數(shù)據(jù)點作為種子聚類中心，K＞1；

S2、計算所述數(shù)據(jù)庫中的其他各個數(shù)據(jù)點與各個所述種子聚類中心之間的距離，并將這些數(shù)據(jù)點分配給距離最近的所述種子聚類中心，與所述種子聚類中心一起形成一個簇類；平均所述簇類中所有數(shù)據(jù)點對應(yīng)的所述總向量的各個維度，獲得的平均總向量就是這一輪的聚類中心，下一輪的種子聚類中心；

S3、重復(fù)所述步驟S2直到滿足下述終止條件中的任何一個，完成簇類劃分和確定聚類中心：

1)聚類中心的位置變化小于指定的閾值，所述指定的閾值為0.0001；

2)達(dá)到最大迭代次數(shù)，所述最大迭代次數(shù)為1～1000次。

4.如權(quán)利要求1所述的基于向量化的參考反應(yīng)查詢方法，其特征在于，所述AI指紋為通過深度神經(jīng)網(wǎng)絡(luò)中的Bert模型生成的向量；所述反應(yīng)傳統(tǒng)指紋為通過枚舉反應(yīng)物和產(chǎn)物分子的官能團、反應(yīng)中心獲得的相應(yīng)的0-1編碼；所述產(chǎn)物分子傳統(tǒng)指紋為通過枚舉產(chǎn)物分子的官能團獲得的相應(yīng)的0-1編碼。

5.一種基于向量化的參考反應(yīng)查詢系統(tǒng)，其特征在于，包括：

反應(yīng)向量化模塊，用于獲得反應(yīng)數(shù)據(jù)SMILES表達(dá)式的AI指紋、反應(yīng)傳統(tǒng)指紋和產(chǎn)物分子傳統(tǒng)指紋；

反應(yīng)相似度模塊，用于通過公式S_{加權(quán)}＝(w1×S_AI+w2×S_{反應(yīng)}+w3×S_{產(chǎn)物})/(w1+w2+w3)獲得兩個化學(xué)反應(yīng)之間的相似度；S_{加權(quán)}表示兩個反應(yīng)之間的相似度；S_AI表示兩個反應(yīng)之間的AI指紋相似度，由對應(yīng)的兩個AI指紋之間通過余弦距離計算獲得；S_{反應(yīng)}表示兩個反應(yīng)之間的反應(yīng)傳統(tǒng)指紋相似度，由對應(yīng)的兩個反應(yīng)傳統(tǒng)指紋之間通過Jaccard距離計算獲得；S_{產(chǎn)物}表示兩個反應(yīng)之間的產(chǎn)物分子傳統(tǒng)指紋相似度，由對應(yīng)的兩個產(chǎn)物分子傳統(tǒng)指紋之間通過Jaccard距離計算獲得；w1、w2和w3分別表示AI指紋的權(quán)重、反應(yīng)傳統(tǒng)指紋的權(quán)重和產(chǎn)物分子傳統(tǒng)指紋的權(quán)重，w1:w2:w3＝(1～10):(1～10):1；

向量化搜索模塊，用于在所述反應(yīng)相似度模塊基礎(chǔ)上，采用聚類算法搜索數(shù)據(jù)庫獲得與query反應(yīng)相似度最大的聚類中心所在簇類，再通過所述query反應(yīng)分別與所述相似度最大的聚類中心所在簇類的所有反應(yīng)兩兩之間的相似度中，搜索得到與所述query反應(yīng)最相似的N個反應(yīng)，N＞0。