本發明涉及一種基于圖卷積神經網絡預測小分子化合物解離常數的方法,該方法不同于傳統的基于分子指紋的預測方法,通過圖卷積神經網絡自動學習與解離常數有關的化學模式構建預測模型。ChEMBL數據庫中160萬種化合物的解離常數用于訓練模型。此外,為了快速確定每個化合物中的解離中心,本發明基于ChEMBL數據庫構建了一個含144個SMARTS模板的子結構數據庫。預測新的化合物時,首先使用SMARTS模板庫匹配化合物中的解離中心,然后依次預測每個解離中心的解離常數。利用本發明,可以快速準確地預測化合物的解離常數,提高藥物設計和虛擬篩選的效率。
聲明:
“基于圖卷積神經網絡預測小分子化合物解離常數的方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)