一种基于深度学习和化学领域相结合的ChemBERTa-FP抗癌药物预测方法

一种基于深度学习和化学领域相结合的ChemBERTa‑FP抗癌药物预测方法，包括下列步骤：步骤1：获取CI‑60DTP数据库的数据和ChEMBL数据库的数据；步骤2：使用了ChemBERTa和BERT_base作为基础预训练模型；BERT base预训练了一个深度双向语言表示模型，用一个额外的输出层对预训练的BERTbase模型进行调整，从而在不进行重大架构修改的情况下为广泛的任务创建模型；同时，使用ChemBERTa作为基础预训练模型，其基于RoBERTa作为基础模型，并在PubChem 77M数据集上进行了预训练，通过在训练中加入特定的化学语言SMILES；步骤3：ChemBERTa的模型向量表示的维度是384，头数为12，Transformer的层数为6。本发明创新地利用ChemBERTa和BERT‑base两种深度学习模型于抗癌分子筛选领域，这是此类模型的首次应用。