一种基于图同构网络的化合物毒性多任务学习方法

本发明公开了一种基于图同构网络的化合物毒性多任务学习方法，该方法主要包括：数据集准备，分子图处理，分子指纹处理，定义模型，模型预测。本发明通过基于图同构网络的化合物毒性多任务学习方法，实现了化合物毒性分类和多种化合物毒性类别分类，与现有的模型比较，有以下优点：（1）采用双通道结构，能够获取分子指纹和分子图表示，丰富了对化合物属性的理解。（2）利用包含两个前馈神经网络的多任务模型，同时对化合物毒性和多种化合物类别进行分类。（3）与现有模型相比，模型具有较高的ACC，F1，Precision值。