本發明提供一種基于Transformer和增強交互型MPNN神經網絡的小分子表示學習方法,包括以下步驟:S1:將藥物小分子轉化為包括有n個節點和m條邊的有向圖G=(ν,ε),從而將藥物小分子性質預測歸類為有監督的圖學習任務;S2:構建Transformer模型,所述的Transformer模型包括位置層、編碼層、生成器層;所述的位置層用于獲取原子與原子之間的位置信息;所述的編碼層用于學習小分子的空間結構信息;所述的生成器層用于對藥物小分子性質的預測;S3:將有向圖G=(ν,ε)輸入Transformer模型進行小分子性質預測。本發明能夠在Transformer框架中很好的結合MPNN框架的點邊交互方式,既可以通過MPNN學習到局部的化學結構信息,也能通過Transformer捕捉到遠程依賴信息。
聲明:
“基于Transformer和增強交互型MPNN神經網絡的小分子表示學習方法” 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)