公开(公告)号：CN113674807A

公开(公告)日：2021-11-19

申请号：CN202110914312.3

申请日：2021-08-10

Applicant: 南京工业大学

Inventor： 王建浦 ,  朱琳 ,  章亮

IPC: G16C10/00 ,  G16C20/70 ,  G16C20/90 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习技术定性定量模型(EMIM)的分子筛选方法，将收集的分子转化为SMILES、再由SMILES转化为定性、定量描述符的预处理；并对定性、定量描述符使用哈希映射、方差阈值以及皮尔逊相关系数特征工程；根据特征工程处理的输入数据，设置定性定量模型，利用Sigmoid函数作为最终输出，通过反向传播优化算法优化设置定性定量模型参数进行性能评估，并迭代训练获得高验证精度的模型；将待预测分子经预处理、特征工程后，输入至最高验证精度定性定量模型(EMIM)进行预测筛选得到待预测分子的预测结果。本发明实现了新分子更为高效、准确的筛选，解决了传统筛选的局限性。

公开(公告)号：CN115547424A

公开(公告)日：2022-12-30

申请号：CN202111148093.9

申请日：2021-09-29

Applicant: 南京工业大学

Inventor： 王建浦 ,  朱琳 ,  章亮

IPC: G16C20/20 ,  G16C20/70 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习技术多分子指纹模型的分子筛选方法，将收集的分子经SMILES、再由SMILES转化为各种分子指纹的预处理，各种分子指纹作为输入数据；根据各种分子指纹输入数据，设置一个多分子指纹模型，第一层为输入层，中间层为密集层，最后一层为输出层，利用Sigmoid函数作为最终输出，通过反向传播优化算法优化设置多分子指纹模型超参数进行性能评估，并迭代训练获得一个高验证精度的模型；将新分子经预处理后，输入至最高验证精度多分子指纹模型进行预测筛选，得到新分子的预测结果。本发明能够输入多种分子指纹联合学习，克服单分子指纹输入化学信息不足、拼接分子指纹造成信息混乱等局限性，实现分子的高效筛选。