一种基于多模态深度学习的化学品致癌剂量预测方法

本发明属于面向人工智能辅助预测化学品毒性的计算毒理学技术领域，公开了一种基于多模态深度学习的化学品致癌剂量预测方法。该方法包括如下步骤：设定待预测化学品信息SMILES，设定待预测的生物、暴露和肿瘤特征；调用多模态数据预处理模块对数据进行预处理，通过多模态数据融合模块，耦合待预测化学品的分子图、生物、暴露和肿瘤特征，生成致癌特征嵌入表示；调用并输入至预先训练好的致癌性分类模型，根据分类结果，分别调用不同的致癌剂量定量预测模型，实现化学品致癌剂量的预测。本发明可实现化学品对生物体内多组织器官的致癌剂量高通量定量预测，为化学品的人体健康风险评价和管理提供基础的致癌剂量定量数据。