一种基于图注意力网络的芳香硝基化合物毒性预测方法

    公开(公告)号:CN117238401A

    公开(公告)日:2023-12-15

    申请号:CN202311322188.7

    申请日:2023-10-13

    Abstract: 本发明提供一种基于图注意力网络的芳香硝基化合物毒性预测方法,包括:步骤1:数据预处理,收集芳香硝基化合物及其毒性数据作为模型数据集,并把化合物分子式转化为图数据,再采用增加自身环回和节点洗牌法进行数据增强;步骤2:建立图卷积神经网络模型,由图卷积边注意力、图卷积、节点信息汇聚三个模块组成;步骤3:实验设置,包括优化器选择、损失函数设计以及学习率设置及其下降策略选择;步骤4:模型评估,采用8种模型评价指标来验证模型的有效性。应用本技术方案可实现快速准确预测芳香硝基化合物的急性口服毒性,大大提高化合物结构优化和虚拟筛选的效率。该方法成本低廉、简便而快速,能够大量节省实验测试所需的人力、费用和时间。

Patent Agency Ranking