公开(公告)号：CN113192571B

公开(公告)日：2022-08-23

申请号：CN202110477984.2

申请日：2021-04-29

Applicant: 南京邮电大学

Inventor： 吴建盛 ,  朱阳 ,  胡海峰 ,  朱燕翔

IPC: G16C20/30 ,  G16C20/50 ,  G16C20/70 ,  G16C20/90

Abstract: 本发明揭示了一种基于图注意机制迁移学习的小分子药物hERG毒性预测方法和装置，该方法包括以下步骤：S1：数据集预处理，将待检测的类药化合物通过分子指纹生成软件生成指纹序列；S2：通过S1步骤生成的指纹序列得到原子及化学键特征，将原子及化学键特征构建分子图及图特征；S3：通过图注意力机制对S2步骤得到的分子图进行处理，生成分子中每个原子特征向量；S4：通过图注意力机制及每个原子的特征生成分子特征向量。该方法基于图注意力机制对分子图结构进行处理，有效获取对预测属性值贡献大的子结构，基于迁移学习对源域和目标域数据集进行处理，有效解决样本量不足的问题。

公开(公告)号：CN113257369A

公开(公告)日：2021-08-13

申请号：CN202110542907.0

申请日：2021-05-18

Applicant: 南京邮电大学

Inventor： 姜榕 ,  吴建盛 ,  胡海峰 ,  朱燕翔

IPC: G16C20/70 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明揭示了一种基于多任务图神经网络的分子毒性预测方法和装置，该方法包括以下步骤：S1：毒性数据集的准备，得到用化学分子规范表达式表示的毒性数据；S2：使用S1步骤中得到的用化学分子规范表达式的毒性数据，生成原子节点特征向量；S3：使用S1步骤中得到的用化学分子规范表达式的毒性数据，生成边信息特征向量；S4：基于S2步骤得到的原子节点特征向量和和S3步骤得到的边信息特征向量，构建基于多任务图神经网络的分子毒性预测模型；S5：对模型进行性能验证。针对分子毒性数据集设计的多任务图神经网络，构建自动学习分子图结构信息模型，能够结合分子毒性任务间的关联性，使用多任务学习方法来提升毒性预测任务的性能。

公开(公告)号：CN113077003A

公开(公告)日：2021-07-06

申请号：CN202110381819.7

申请日：2021-04-09

Applicant: 南京邮电大学

Inventor： 胡海峰 ,  刘潇 ,  吴建盛 ,  朱燕翔

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明揭示了一种基于图采样的图注意力网络归纳学习方法，主要包含图采样过程和图训练过程两个部分，通过使用随机游走采样器在原数据集大图中采样出多个子图形成mini batch，再输入到图注意力网络中进行训练，将大数据集拆分为小数据集，并增加训练轮数，从而显著地提升了方法性能、保证了方法具有良好的鲁棒性。本发明还能够作为技术思路的依据，对业内研究人员日后设计相关算法而言具有参考价值和部署意义。