您所在的位置: 成果库 深度学习结合模式生物斑马鱼的化学物质安全性评估方法

深度学习结合模式生物斑马鱼的化学物质安全性评估方法

发布时间: 2023-12-13

基本信息

合作方式: 技术转让
成果类型: 发明专利
行业领域:
新一代信息技术产业,互联网与云计算、大数据服务
成果介绍
本发明提出深度学习结合模式生物斑马鱼的化学物质安全性评估方法,包括以下步骤;步骤S1、收集已知的化合物毒性数据信息形成数据集,划分为多个化合物种类和多个毒性种类,并标注有无毒性;步骤S2、转换数据集中化合物的SMILES分子结构数据,得到化合物的分子图,作为GRU GCN网络模型的输入;步骤S3、构建并训练带有注意力机制的双向门控循环单元的图卷积神经深度网络GRU GCN;步骤S4、将步骤S2得到的分子图输入到GRU GCN网络中,经迭代训练获得GRU GCN网络模型的权重参数;步骤S5、使用步骤S4训练好的GRU GCN模型,输入需要预测的化合物分子图,待模型提取到结构特征后,通过决策函数输出毒性预测结果;本发明可通过预测化合物对斑马鱼的毒性来筛选出存在安全性隐患的化合物。
成果亮点
本发明采用以下技术方案。 深度学习结合模式生物斑马鱼的化学物质安全性评估方法,所述方法以GRU-GCN网络模型学习分子图的特征来预测化合物对斑马鱼的毒性,并以此评估化合物的安全性;所述方法包括以下步骤; 步骤S1、从公开文献或数据库中收集已知的化合物毒性数据信息形成数据集,根据化合物来源将化合物划分为多个化合物种类,把毒性数据根据毒性种类划分为多个毒性数据集,并标注每个数据集中各化合物有无毒性; 步骤S2、转换数据集的化合物的SMILES分子结构数据,得到化合物的分子图,作为GRU-GCN网络模型的输入; 步骤S3、利用GCN网络的图卷积层、具有注意力机制的双向门控循环单元Bi-GRU-Att,输出全局特征的Readout函数和全连接层,构建并训练带有注意力机制的双向门控循环单元的图卷积神经深度网络GRU-GCN; 步骤S4、将步骤S2得到的分子图输入到GRU-GCN网络中,经迭代训练获得GRU-GCN网络模型的权重参数
团队介绍
发明人:翁祖铨 叶昭庭 钟意 苏嘉怡 福州大学(Fuzhou University),简称福大,位于福建省福州市,创建于1958年,是国家“双一流”建设高校,国家“211工程”建设高校,国家教育部、国家国防科技工业局与福建省人民政府共建高校,福建省三所重点建设的高水平大学之一,福建省一流大学建设高校,入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。
成果资料
产业化落地方案
点击查看
成果综合评价报告

评价单位:- (-) 评价时间:2023-12-18

黄建华

福州大学

教授

综合评价

该成果的优点在于:提出了一种具有注意力机制的双向门控循环单元的图神经模型GRU-GCN,提高了模型的预测性能以及模型的鲁棒性,使模型具有可解释性;提出了通过预测化合物对斑马鱼毒性以评估化合物毒性的思路以及可行方案;该成果只需要通过化合物的化学结构,不需要其它的化合物信息就可以推理出化合物是否具有毒性,具有检测速度快,成本低,大批量等优势。
查看更多>
更多