一种基于多模态的分子表示预测方法

    公开(公告)号:CN117292764A

    公开(公告)日:2023-12-26

    申请号:CN202311456933.7

    申请日:2023-11-03

    Abstract: 本发明公开了一种基于多模态的分子表示预测方法,应用于药物发现技术领域。本发明包括:构建药物分子的数据集,并获取数据集中的每个分子的序列表示、分子图表示、分子构象图表示;对得到的不同模态的分子节点表示,引入全局注意力池化层,获取分子级表示;对得到的不同模态的分子级表示,引入一种模态间的基于相似性的对比机制,计算不同模态间的特征差异性损失,设计融合层获取分子的联合表示;对得到的分子联合表示,引入分子属性预测器,并通过计算混合有监督信号损失和对比损失来训练优化模型,得到最优模型来获取最终的分子表示。本发明利用基于序列、图和分子构象图的三种模态的分子表征,更全面地捕捉分子特征和信息。

    一种电磁空间知识图谱构建方法和装置

    公开(公告)号:CN118520120A

    公开(公告)日:2024-08-20

    申请号:CN202410267083.4

    申请日:2024-03-08

    Abstract: 一种电磁空间知识图谱构建方法和装置,其方法包括:S1.使用双向长短期记忆网络、本体建模语言与图数据库管理系统设计构建电磁空间知识图谱本体图;S2.获取数据,包括互联网数据和真实环境数据;通过获取并整合互联网数据和真实环境数据,以全面展现电磁空间中的关联关系;S3.构建电磁空间知识图谱,包括:S301:将数据映射到本体,将清洗和转换后的数据与本体中的实体、属性和关系进行映射,形成三元组的形式,然后将数据中的实体映射到本体中已定义的实体;同时建立实体之间关系的映射,将数据中的关联关系映射到本体中已定义的关系,完成知识图谱的构建;S302:利用构建好的知识图谱进行查询和分析,探索实体之间的关系和属性特征;使用SPARQL查询语言,从知识图谱中获取有关电磁环境的信息;进行数据挖掘和可视化,发现潜在的模式和规律。

    一种基于同分异构体Mixup增强的分子属性预测方法

    公开(公告)号:CN117612615A

    公开(公告)日:2024-02-27

    申请号:CN202311639632.8

    申请日:2023-12-04

    Abstract: 本发明公开了一种基于同分异构体Mixup增强的分子属性预测方法,涉及分子属性预测、数据增强和图神经网络技术领域。包括:导入分子图数据集,将分子图数据集划分为训练集和测试集,将训练集的分子图进行重连边生成基于官能团不变的同分异构体和基于骨架不变的同分异构体,与原始分子图一起计算分子指纹相似度并对两个同分异构体进行基于分子指纹相似度的混合操作获得混合图,再与原始分子图一起进行基于节点相似度的混合操作获得增强图,之后与原始分子图输入图编码器,训练优化模型参数,获得预测结果。本发明有助于设计特定单张图的混合比例,分别提高原始分子图骨架和官能团的多样性,更具有普遍性。

Patent Agency Ranking