【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于計(jì)算機(jī)輔助藥物研發(fā)，具體涉及一種基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別方法。
技術(shù)介紹
1、在化學(xué)合成和藥物開發(fā)過程中，識(shí)別化學(xué)反應(yīng)中的待保護(hù)基團(tuán)至關(guān)重要。待保護(hù)基團(tuán)是指在反應(yīng)中可能受到不利影響或需要臨時(shí)保護(hù)以避免干擾的功能團(tuán)。準(zhǔn)確識(shí)別這些基團(tuán)能幫助化學(xué)家在逆合成設(shè)計(jì)中提前判斷反應(yīng)過程中哪些基團(tuán)需要保護(hù)，從而有效調(diào)整反應(yīng)路線，避免不必要的試驗(yàn)和錯(cuò)誤，提高研究效率和成果的可靠性。
2、當(dāng)前的研究主要集中在利用保護(hù)基團(tuán)來實(shí)現(xiàn)化學(xué)合成中的選擇性反應(yīng)。保護(hù)基團(tuán)可以臨時(shí)性地掩蓋分子中的活性基團(tuán)，防止其在不適當(dāng)?shù)姆磻?yīng)條件下參與反應(yīng)。例如，氨基可以被轉(zhuǎn)換為氨基甲酸酯，從而降低其反應(yīng)活性(welcome?to?bentham?sciencepublisher)。然而，傳統(tǒng)的保護(hù)基團(tuán)策略往往需要額外的步驟來實(shí)現(xiàn)保護(hù)和去保護(hù)，這增加了合成的復(fù)雜性和成本(organic?chemistry?portal)。
3、近年來，研究者們開發(fā)了多種新的保護(hù)基團(tuán)技術(shù)，包括光可拆除保護(hù)基團(tuán)和其他環(huán)境敏感的保護(hù)基團(tuán)(springer)。這些技術(shù)在提高反應(yīng)選擇性、簡(jiǎn)化合成步驟和減少環(huán)境影響方面顯示出巨大潛力。然而，盡管這些進(jìn)展顯著，但仍然缺乏一種能夠自動(dòng)、高效識(shí)別待保護(hù)基團(tuán)的工具。
4、目前，識(shí)別待保護(hù)基團(tuán)的工作主要依賴于化學(xué)家的經(jīng)驗(yàn)和理論知識(shí)。然而，隨著合成目標(biāo)分子的復(fù)雜性增加，傳統(tǒng)方法在準(zhǔn)確性和效率上顯得不足。現(xiàn)有的方法無法自動(dòng)化識(shí)別待保護(hù)基團(tuán)，這限制了化學(xué)合成的效率和成功率。此外，保護(hù)基團(tuán)的選擇和使用需要綜合考慮
5、為此，本專利技術(shù)提出了一種基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別方法。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)的目的在于解決現(xiàn)有識(shí)別待保護(hù)基團(tuán)的方法準(zhǔn)確性和效率上均存在不足的技術(shù)問題，而提供一種基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別方法，該方法旨在訓(xùn)練一個(gè)友好型的深度學(xué)習(xí)模型來完成化學(xué)反應(yīng)中待保護(hù)基團(tuán)的預(yù)判別，為化學(xué)類的研究(比如逆合成)提供指導(dǎo)方向，填補(bǔ)了當(dāng)前研究中的空白。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)所提供的技術(shù)解決方案是：
3、一種基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特殊之處在于：自輸入至輸出包括特征提取模塊、特征重構(gòu)模塊、組合特征構(gòu)建模塊以及判別器；
4、所述特征提取模塊用于構(gòu)建參與化學(xué)反應(yīng)的各個(gè)反應(yīng)物中每個(gè)原子的初始特征；
5、所述特征重構(gòu)模塊包括自注意力層、圖注意力網(wǎng)絡(luò)層(即gat層)以及拼接層，用于對(duì)特征提取模塊輸出的每個(gè)原子的初始特征進(jìn)行重構(gòu)，聚合每個(gè)原子及其周圍其他原子的信息(比如：鄰居或二階鄰居的信息)之后構(gòu)建其全新特征(即，增加了原子與其鄰居原子之間的相關(guān)性)；
6、所述組合特征構(gòu)建模塊用于拼接參與化學(xué)反應(yīng)的所有反應(yīng)物中任意兩個(gè)原子的全新特征，形成多組拼接特征；
7、所述判別器自輸入至輸出包括隱藏層和輸出層，用于將各個(gè)拼接特征進(jìn)行非線性變換，并輸出化學(xué)反應(yīng)待保護(hù)基團(tuán)判別結(jié)果(即哪些原子之間發(fā)生化學(xué)反應(yīng)，哪些原子之間不發(fā)生化學(xué)反應(yīng))；其中，隱藏層為具有l(wèi)層的多層感知機(jī)(mlp)。
8、進(jìn)一步地，本專利技術(shù)中，特征提取模塊可以采用現(xiàn)有的特征提取模塊，其輸入是化學(xué)分子smiles格式的數(shù)據(jù)，通過rdkit提取特征后，再通過拼接的方式構(gòu)建原子的初始特征，即將原子的所有的特征拼接；其具體處理過程如下：
9、將反應(yīng)物化學(xué)分子處理成標(biāo)準(zhǔn)smiles格式作為輸入，針對(duì)反應(yīng)物化學(xué)分子中的每個(gè)原子，提取以下特征，并將所有特征拼接成特征向量，形成該原子的初始特征：
10、①采用one-hot編碼方式表示每個(gè)原子的種類，特征長度23維；
11、②計(jì)算每個(gè)原子的度，特征長度1維；
12、③判斷原子是否屬于芳香環(huán)，用0、1表示，特征長度1維；
13、④計(jì)算與該原子連接的氫原子的個(gè)數(shù)，特征長度1維；
14、⑤計(jì)算該原子所帶的電荷數(shù)，特征長度1維；
15、⑥統(tǒng)計(jì)該原子的原子質(zhì)量，特征長度1維；
16、⑦統(tǒng)計(jì)該原子的電負(fù)性，特征長度1維；
17、拼接后每個(gè)原子的特征向量長度為以上特征的長度之和29維。
18、進(jìn)一步地，所述特征重構(gòu)模塊的具體處理過程如下：
19、①利用自注意力層抓取目標(biāo)原子與其他原子之間的相關(guān)性：
20、計(jì)算query、key和value矩陣
21、對(duì)于輸入序列(反應(yīng)物化學(xué)分子所有原子的集合)所有原子的集合其中，n是原子數(shù)，d是每個(gè)原子特征的維度，首先通過三個(gè)不同的權(quán)重矩陣將其映射到query、key和value矩陣：
22、q＝xwq,k＝xwk,v＝xwv
23、其中，x為原子的初始特征，是可訓(xùn)練的權(quán)重矩陣；dk為原始特征變換之后的維度；
24、計(jì)算注意力權(quán)重
25、使用query和key之間的點(diǎn)積來計(jì)算注意力權(quán)重，并對(duì)其進(jìn)行縮放和softmax歸一化：
26、
27、其中，是縮放因子，是注意力權(quán)重矩陣；
28、計(jì)算自注意力輸出
29、使用注意力權(quán)重矩陣和value矩陣計(jì)算輸出：
30、
31、其中，是自注意力層的輸出；則表示原子i經(jīng)過自注意力層更新過后的特征；
32、綜上可知，自注意力層的輸入為特征提取模塊輸出的化學(xué)分子原子初始特征的集合，輸出為經(jīng)過自注意力層更新過后的特征；
33、②利用圖注意力網(wǎng)絡(luò)層抓取目標(biāo)原子對(duì)其鄰居原子的注意力：
34、對(duì)于輸入的每個(gè)反應(yīng)物的化學(xué)分子，基于原子之間的化學(xué)鍵，在輸入圖注意力網(wǎng)絡(luò)層之前還需將化學(xué)分子轉(zhuǎn)化成一個(gè)拓?fù)鋱D；
35、節(jié)點(diǎn)特征線性變換
36、對(duì)于拓?fù)鋱D中每個(gè)節(jié)點(diǎn)(即化學(xué)分子的每個(gè)原子)i及其特征向量首先通過一個(gè)可訓(xùn)練的權(quán)重矩陣進(jìn)行線性變換：
37、x′i＝wxi
38、其中，是可訓(xùn)練的權(quán)重矩陣，是原子i變換后的特征向量；
39、計(jì)算注意力系數(shù)
40、對(duì)于每一對(duì)相鄰節(jié)點(diǎn)i和j，其中，表示原子i的鄰居原子集合，計(jì)算注意力系數(shù)：
41、eij＝leakyrelu(at[x′i∥xj′])
42、其中，是可訓(xùn)練的權(quán)重向量，||表示向量連接操作，leakyrelu是激活函數(shù)；
43、計(jì)算原子特征的加權(quán)求和
44、使用歸一化后的注意力系數(shù)對(duì)鄰居原子的特征進(jìn)行加權(quán)求和，得到原子i的新的特征表示：
45、
46、其中，σ是激活函數(shù)(如relu)；表示原子i經(jīng)過圖注意力網(wǎng)絡(luò)層更新過后的特征；xj′為原子j變換后的特征向量；
47、綜上可知，圖注意力網(wǎng)絡(luò)層的輸入為特征提取模塊輸出的化學(xué)分子本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于：自輸入至輸出包括特征提取模塊、特征重構(gòu)模塊、組合特征構(gòu)建模塊以及判別器；
2.根據(jù)權(quán)利要求1所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于，所述特征提取模塊的具體處理過程如下：
3.根據(jù)權(quán)利要求2所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于，所述特征重構(gòu)模塊的具體處理過程如下：
4.根據(jù)權(quán)利要求3所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于，所述組合特征構(gòu)建模塊的具體處理過程如下：
5.根據(jù)權(quán)利要求4所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于，所述判別器的具體處理過程如下：
6.一種基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別方法，其特征在于：將待判別化學(xué)反應(yīng)中的所有反應(yīng)物化學(xué)分子輸入訓(xùn)練好的權(quán)利要求1-5任一所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型中，輸出化學(xué)反應(yīng)待保護(hù)基團(tuán)判別結(jié)果。
7.根據(jù)權(quán)利要求6所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別方法，其特征在于，所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)
8.根據(jù)權(quán)利要求7所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別方法，其特征在于：
9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求6所述方法的步驟。
10.一種電子設(shè)備，其特征在于：包括處理器和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)；
...【技術(shù)特征摘要】
1.一種基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于：自輸入至輸出包括特征提取模塊、特征重構(gòu)模塊、組合特征構(gòu)建模塊以及判別器；
2.根據(jù)權(quán)利要求1所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于，所述特征提取模塊的具體處理過程如下：
3.根據(jù)權(quán)利要求2所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于，所述特征重構(gòu)模塊的具體處理過程如下：
4.根據(jù)權(quán)利要求3所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于，所述組合特征構(gòu)建模塊的具體處理過程如下：
5.根據(jù)權(quán)利要求4所述基于注意力網(wǎng)絡(luò)的化學(xué)反應(yīng)待保護(hù)基團(tuán)判別模型，其特征在于，所述判別器的具體處理過程如下：
6.一種基...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李兆豐，趙鵬程，王浩洋，
申請(qǐng)(專利權(quán))人：陜西精致科技發(fā)展有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。