一种基于动态权重多任务图神经网络的化学品人体致癌毒性参数预测方法

本发明属于面向化学品健康风险评价和管理的计算毒理学技术领域，公开了一种基于动态权重多任务图神经网络的化学品人体致癌毒性参数预测方法。本方法基于动态权重多任务图神经网络算法，首次开发了以体外活性数据辅助的化学品人体致癌毒性参数多任务预测模型。本发明构建的多任务模型具有良好的预测能力，较现有机器学习模型的预测准确性提高了29%~105%，且拓展了模型适用的化学空间。该方法可作为高效预测化学品人体致癌毒性参数的工具，为化学品多暴露途径下的致癌风险评价和管理提供技术支撑。