本发明提供一种基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法,包括以下步骤:S1:将药物小分子转化为包括有n个节点和m条边的有向图G=(ν,ε),从而将药物小分子性质预测归类为有监督的图学习任务;S2:构建Transformer模型,所述的Transformer模型包括位置层、编码层、生成器层;所述的位置层用于获取原子与原子之间的位置信息;所述的编码层用于学习小分子的空间结构信息;所述的生成器层用于对药物小分子性质的预测;S3:将有向图G=(ν,ε)输入Transformer模型进行小分子性质预测。本发明能够在Transformer框架中很好的结合MPNN框架的点边交互方式,既可以通过MPNN学习到局部的化学结构信息,也能通过Transformer捕捉到远程依赖信息。
声明:
“基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)