一种基于CNN和Transformer网络特征融合的分子指纹预测方法及其系统

本发明公开一种基于CNN和Transformer网络特征融合的分子指纹预测方法及其系统。该方法先获取化合物的质谱数据、前体离子、SMILES构成数据集，划分训练集和测试集；接着构建包含Transformer特征提取模型、CNN特征提取模型、融合网络的融合模型并训练和测试；最后用训练和测试好的模型进行预测分子指纹。Transformer模型负责提取全局分子指纹特征，CNN模型提取局部分子指纹特征，融合网络将两者特征融合后经MLP预测。本发明从整体和局部不同视角全面捕捉分子信息，弥补了单一模型在特征提取上的缺陷，显著提升了分子指纹预测的精度。