基于Transformer多翻译模型的分子表征及药物筛选方法

本发明涉及机器学习技术领域，尤其涉及一种基于Transformer多翻译模型的分子表征及药物筛选方法，包括：S1：从PubChem数据库中下载小分子化合物，并进行分子预处理，获得分子描述符编码集；S2：搭建Transformer多翻译模型并进行训练；S3：利用ChEMBL数据库获取已知活性的小分子数据集；S4：搭建机器学习分类器并进行训练；S5：将待测药物依次输入至训练好的Transformer多翻译模型和最终的机器学习分类器进行处理，获得待测药物的筛选结果。本发明能够提高筛选准确率，加快药物研发。