基于原子特性知识增强的分子毒性预测方法

来源：计算机技术与发展杂志2024年第03期北京时间：

作者：方舒言;刘宇;'*;侯阿龙;秦欢欢;刘嵩;'

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430072;2. 湖北省智能信息处理与实时工业系统重点实验室,湖北 武汉 430072;3. 武汉科技大学 医学院,湖北 武汉 430072;4. 湖北省职业危害识别与控制湖北省重点实验室,湖北 武汉 430072

摘要：当前基于深度学习的化学分子毒性预测方法主要利用了分子的字符串表示,但现有的字符串表示模型忽视了分子中不同原子的特性知识,从而导致学习模型未能充分利用领域知识。 针对上述问题,提出了显式引入氢原子及利用摩根指纹半径增强原子特性知识的方法,使得毒性预测模型能够学习到化学分子中原子的特性知识。 在改进的毒性预测模型中,用氢原子及原子特性知识增强的分子摩根指纹标识符序列作为输入,并在嵌入层额外引入了分子摩根指纹的半径特征。 为了验证方法的有效性,对预训练后的模型在主流的毒性预测数据集 Tox21 上进行了微调和测试。 实验结果表明,相比于现有的基于分子序列的化学分子毒性预测方法,改进的方法在多个通道上取得了最佳的 AUC 分数。

关键词：分子毒性预测;自监督学习;知识增强;药物发现;摩根指纹