一种基于长短时记忆网络和注意力机制的分子活性预测方法

一种基于长短时记忆网络和注意力机制的分子活性预测方法，它属于深度学习和生物信息领域。本发明的目的是为解决由于分子相互作用的动态性和高度复杂性，导致现有方法对2型大麻素受体的配体活性预测的准确率低的问题。本发明利用分子指纹来全面捕捉分子的化学特性，分子指纹经过组合，可以为后续模型提供丰富的分子信息。并利用LSTM单元来处理分子序列数据，将分子的结构信息编码成中间表示。将点积注意力机制应用于LSTM层的输出，可以增强模型对不同特征的关注程度，使得预测网络可以自动关注对分类任务最有帮助的特征，因此，本发明方法可以更好的适应分子相互作用的动态性和高度复杂性。本发明方法可以应用于分子活性预测领域。