公开(公告)号：CN117711527A

公开(公告)日：2024-03-15

申请号：CN202311711633.9

申请日：2023-12-13

Applicant: 安徽大学 ,  合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)

Inventor： 苏延森 ,  王成 ,  吴庆文 ,  夏欣 ,  童永其 ,  郑春厚

IPC: G16C20/50 ,  G16C20/70 ,  G16C20/40 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于风格转换的药物分子优化方法，其步骤包括：1、构建针对不同任务的药物分子数据集；2、搭建药物分子优化网络包括：分子编码器、分子风格检索模块、融合模块和分子解码器；3、构建建药物分子优化网络。本发明通过针对现有方法缺少优质分子引导，采用基于注意力机制的检索模块，提取分子的风格特征，并通过与待优化的分子结合来引导分子优化，从而产生新的化合物，使得新的化合物具有较高的相似性。

公开(公告)号：CN117497090A

公开(公告)日：2024-02-02

申请号：CN202311526861.9

申请日：2023-11-16

Applicant: 安徽大学

Inventor： 苏延森 ,  童永其 ,  吴庆文 ,  夏欣 ,  王成

IPC: G16C20/50 ,  G16C20/70

Abstract: 本发明公开了一种基于多任务学习属性预测器引导的药物分子优化方法，其步骤包括：1.构建针对不同任务的药物分子数据集，2.预训练变分自编码器网络，3.预训练基于多任务学习的分子属性预测器，4.训练分子转换器网络，5.利用训练好的转换器网络生成新分子。本发明能提升药物分子多种属性的预测精度，从而更好的引导转换器探索有效的分子空间，以提高分子多属性的优化性能。