[發明專利]識別化合物物化性質與結構特征的方法和裝置

在審

• 申請號: 202310361951.0
• 申請日: 2023-04-04
• 公開（公告）號: CN116645540A
• 公開（公告）日: 2023-08-25
• 發明（設計）人: 孫翔飛;謝夢儀;曾永平;麥磊
• 申請（專利權）人: 暨南大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06V10/44;G06N3/0464;G06N3/048;G06N3/084
• 代理公司: 北京邦申誠知識產權代理事務所(普通合伙) 11871
• 代理人: 簡德明

1.一種識別化合物物化性質與結構特征的方法，其特征在于，所述方法包括：

獲取訓練集，所述訓練集包括：多種化合物的結構特征和與所述化合物對應的標記目標物化性質；

根據所述訓練集對預先設置的初始深度卷積神經網絡模型進行訓練，得到分類用深度卷積神經網絡模型；

在模型訓練過程中，采用通過導向反向傳播算法和梯度加權類激活映射算法構建的觀測器確定與所述標記目標物化性質相關的關鍵結構特征。

2.根據權利要求1所述的方法，其特征在于，所述在模型訓練過程中，采用通過導向反向傳播算法和梯度加權類激活映射算法構建的觀測器確定與所述標記目標物化性質相關的關鍵結構特征之后，所述方法還包括：

獲取待識別化合物；

若所述待識別化合物含有所述關鍵結構特征，則判斷所述待識別化合物具有目標物化性質。

3.根據權利要求1所述的方法，其特征在于，所述獲取訓練集包括：

選取預設種類的包含所述目標物化性質的化合物；

針對所述化合物，提取多個分子描述符；

將所述多個分子描述符進行排列，得到用于表征所述化合物結構特征的二維結構特征描述矩陣；

將所述二維結構特征描述矩陣和對應的標記目標物化性質的化合物作為訓練機。

4.根據權利要求3所述的方法，其特征在于，所述化合物的種類大于等于5000；

所述標記目標物化性質包括：毒性、半衰期、生物富集特性、長距離遷移特性中的一種或多種。

5.根據權利要求1或3所述的方法，其特征在于，所述在模型訓練過程中，采用通過導向反向傳播算法和梯度加權類激活映射算法構建的觀測器確定與所述標記目標物化性質相關的關鍵結構特征包括：

采用通過導向反向傳播算法和梯度加權類激活映射算法構建的觀測器觀察并記錄模型訓練過程中對所述結構特征的聚焦方式；

根據所述聚焦方式確定模型訓練過程中所關注的點位；

根據所述點位提取關鍵分子描述符；

根據所述關鍵分子描述符，得到與所述標記目標物化性質相關的關鍵結構特。

6.一種識別化合物物化性質與結構特征的裝置，其特征在于，所述裝置包括：

訓練集獲取模塊，用于獲取訓練集，所述訓練集包括：多種化合物的結構特征和與所述化合物對應的標記目標物化性質；

模型得到模塊，用于根據所述訓練集對預先設置的初始深度卷積神經網絡模型進行訓練，得到分類用深度卷積神經網絡模型；

特征確定模塊，用于在模型訓練過程中，采用通過導向反向傳播算法和梯度加權類激活映射算法構建的觀測器確定與所述標記目標物化性質相關的關鍵結構特征。

7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

化合物獲取模塊，用于獲取待識別化合物；

性質判斷模塊，用于若所述待識別化合物含有所述關鍵結構特征，則判斷所述待識別化合物具有目標物化性質。

8.一種電子設備，其特征在于，包括：存儲器和處理器；所述處理器與存儲器連接，被配置為基于存儲在所述存儲器中的指令，執行權利要求1-5任一項所述的識別化合物物化性質與結構特征的方法。

9.一種計算機可讀存儲介質，其上存儲有至少一條指令、至少一段程序、代碼集或指令集，其特征在于，所述至少一條指令、至少一段程序、代碼集或指令集由處理器加載并執行以實現權利要求1-5任一項所述的識別化合物物化性質與結構特征的方法。