一种基于图神经网络的无监督药物相似性评价方法

本发明公开了一种基于图神经网络的无监督药物相似性评价方法，仅使用真实药物分子进行训练，避免了负样本依赖带来的性能波动与泛化不足。该方法将已批准药物的SMILES表示解析为带原子属性的分子图，通过三层图神经网络提取结构感知特征，并利用平均池化获得图级表征，计算药物分子表征中心构建最小超球体空间。在评分阶段，根据候选分子表征与中心的距离及边界参数计算药物相似性分数，实现连续可解释的量化评估。该方法具有稳定性高、泛化能力强、适应性好的优点，可广泛应用于药物虚拟筛选与候选分子优选。