一种基于SMILES序列及其图信息融合学习的β分泌酶抑制剂分子活性预测方法

本发明涉及一种基于SMILES序列及其图信息融合学习的β分泌酶抑制剂分子活性预测方法及系统，属于抑制剂分子活性预测领域。所述方法，首先，设计一个带增强分层注意机制的BiLSTM‑Transformer框架，对β分泌酶抑制剂分子SMILES字符串派生的功能子序列进行编码。功能子序列从SMILES字符串中提取，分为官能团、离子和原子水平上的多个层次，可增强对分子结构细节的理解。其次，基于从SMILES字符串生成的分子图结构，设计了一种具有原子级特征注意机制的图编码模型，不仅突出了分子图结构中的关键原子和化学键，还进一步增强了分子图的特征表示能力。最后，通过全局注意力机制和加权模块，将不同模态的分子信息进行融合学习，获得β分泌酶抑制剂分子活性预测结果。