发明

基于深度学习的未知物质急性毒性预测方法、系统及设备2024

2023-11-24 07:18:28 发布于四川 7
  • 申请专利号:CN202311034419.4
  • 公开(公告)日:2024-07-19
  • 公开(公告)号:CN117095767A
  • 申请人:中国人民解放军空军军医大学
摘要:本发明公开了一种基于深度学习的未知物质急性毒性预测方法、系统及设备,涉及物质毒性检测技术领域,方法包括将获取的目标区域内化学物质的CANONICAL SMILES码编码成相应的DGL图,并将相应的DGL图输入至未知物质急性毒性预测模型中,得到目标区域内化学物质的种类以及每种化学物质的急性毒性程度;其中,上述模型是根据改进的图注意力网络模型确定的;改进的图注意力网络模型包括输入层、特征提取层、隐含层、池化层以及线性分类层;隐含层的注意力机制为基于面向图节点分类任务的SuperGAT的注意力机制。本发明能够高精度、高效率预测目标区域化学物质以及该化学物质的急性毒性程度。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117095767 A (43)申请公布日 2023.11.21 (21)申请号 202311034419.4 (22)申请日 2023.08.16 (71)申请人 中国人民解放军空军军医大学 地址 710032 陕西省西安市长乐西路169号 (72)发明人 张晓迪 任晓婷 刘瑞 吴昊  王钊 海春旭  (74)专利代理机构 北京高沃律师事务所 11569 专利代理师 王爱涛 (51)Int.Cl. G16C 20/30 (2019.01) G16C 20/70 (2019.01) G06N 3/04 (2023.01) G06F 18/24 (2023.01) 权利要求书2页 说明书5页 附图1页 (54)发明名称 基于深度学习的未知物质急性毒性预测方 法、系统及设备 (57)摘要 本发明公开了一种基于深度学习的未知物 质急性毒性预测方法、系统及设备,涉及物质毒 性检测技术领域,方法包括将获取的目标区域内 化学物质的CANONICAL SMILES码编码成相应的 DGL图,并将相应的DGL图输入至未知物质急性毒 性预测模型中,得到目标区域内化学物质的种类 以及每种化学物质的急性毒性程度;其中,上述 模型是根据改进的图注意力网络模型确定的;改 进的图注意力网络模型包括输入层、特征提取 层、隐含层、池化层以及线性分类层;隐含层的注 意力机制为基于面向图节点分类任务的 A SuperGAT的注意力机制。本发明能够高精度、高

最新专利