一种用于药物筛选的高通量自动化方法

本发明公开了一种用于药物筛选的高通量自动化方法包括，获取化合物数据、生物靶点数据以及化合物与生物靶点之间的生物活性数据，建立化合物与靶点数据集，分别对化合物数据和生物靶点数据进行特征提取，得到化合物特征向量和生物靶点特征向量进行特征融合，构建深度学习模型；定义焦点损失函数衡量模型的预测误差，对深度学习模型进行训练，将训练好的深度学习模型通过马修斯相关系数进行评估，对化合物与生物靶点数据集进行预测，筛选出候选药物；本发明通过定义焦点损失函数提高了模型对真实相互作用的识别率，增强了模型的鲁棒性，此外，对传统Adam优化器进行改进，通过二次正则化项和自适应学习率策略提高了模型的训练效率和预测精度。