摘要
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。
技术关键词
相似性评价方法
分子
节点
芳香环结构
编码
药物虚拟筛选
信息传播机制
特征获取方法
神经网络模型训练
消息传递机制
共价键
多维特征向量
邻居
感知特征
多层感知机
球体
矩阵
变换器