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。

    一种基于SMILES序列及其图信息融合学习的β分泌酶抑制剂分子活性预测方法

    公开(公告)号:CN120072040A

    公开(公告)日:2025-05-30

    申请号:CN202510140149.8

    申请日:2025-02-08

    Abstract: 本发明涉及一种基于SMILES序列及其图信息融合学习的β分泌酶抑制剂分子活性预测方法及系统,属于抑制剂分子活性预测领域。所述方法,首先,设计一个带增强分层注意机制的BiLSTM‑Transformer框架,对β分泌酶抑制剂分子SMILES字符串派生的功能子序列进行编码。功能子序列从SMILES字符串中提取,分为官能团、离子和原子水平上的多个层次,可增强对分子结构细节的理解。其次,基于从SMILES字符串生成的分子图结构,设计了一种具有原子级特征注意机制的图编码模型,不仅突出了分子图结构中的关键原子和化学键,还进一步增强了分子图的特征表示能力。最后,通过全局注意力机制和加权模块,将不同模态的分子信息进行融合学习,获得β分泌酶抑制剂分子活性预测结果。

    一种中医四诊太空舱及中医四诊方法

    公开(公告)号:CN108042114A

    公开(公告)日:2018-05-18

    申请号:CN201711332172.9

    申请日:2017-12-13

    Abstract: 本发明公开了一种中医四诊太空舱及中医四诊方法,涉及医疗设备领域,其中中医四诊太空舱包括一底座,在所述底座上设置有用于支撑座椅和安装诊断设备的支架本体,所述支架本体包括座椅支架和设备支架,所述座椅支架上设置有一座椅,在所述座椅上设置有脉诊仪,在所述设备支架上设置有舌诊仪、声诊仪、面诊仪和身高测量装置,在所述底座上设置有体重测量装置,其中,所述支架本体与所述座椅构成太空舱形结构。采用上述技术方案,由于将舌诊仪、声诊仪、面诊仪、脉诊仪和身高测量装置全都集成在一套设备上,同时设置有座椅,用户只需要乘坐在座椅上,便能够完成所有信息的测量,用户体验十分简单,适合大范围的推广使用。

Patent Agency Ranking