摘要
本发明公开了一种化学品对DNA促旋酶的抑制活性预测方法,该方法包括:从公共数据库获取化学品结构及其对GyrA和GyrB的抑制活性数据,并进行结构清洗与缩放,再将获得的已知数据分为训练集和测试集;构建以化学品SMILES码为输入的多任务图神经网络模型;使用训练集通过交叉验证确定多任务图神经网络模型的最优超参数,以获得最优的抑制活性预测模型;利用抑制活性预测模型获取待评价化学品对GyrA和GyrB的抑制活性数据缩放值的预测值。本发明仅输入化合物分子结构即可同时预测环境化学品对GyrA和GyrB的抑制作用,实现污染物可能诱导细菌喹诺酮耐药性的分子起始事件的快速筛查,具有广阔的应用前景。
技术关键词
神经网络模型
模型超参数
活性预测方法
多任务
编码器
注意力
数据
节点特征
序列
化合物分子结构
多层感知机
交互特征
模块
矩阵
索引
去离子
邻域
系统为您推荐了相关专利信息
冠脉造影
血管分割
图像分割方法
置信度阈值
血管造影设备
带钢热连轧
多维度传感器
重构误差
核密度估计方法
监测方法
智能调速方法
工作状态参数
风扇
智能调速系统
神经网络模型