• • 下一篇
HUANG Yunchuan1,2,JIANG Yongquan1,2,3,HUANG Juntao4,YANG Yan1,2,3
摘要: 分子毒性预测是计算机辅助药物研发的重要任务,神经网络可以用于预测分子的毒性和安全性。为了获得更准确的毒性预测结果,提出基于元图同构网络的分子毒性预测模型Meta-MTP。首先,使用图同构神经网络将原子作为节点、键作为边、分子作为图结构,以获取分子表征;使用预训练模型对图同构网络(GIN)进行初始化,使它获得更好的参数;引入基于分层注意力和局部增强的前馈Transformer;使用原子类型预测和键预测作为辅助任务提取更多的分子内部信息;通过元学习双层优化策略对模型进行训练;最后使用TOX21和SIDER数据集对模型进行训练。实验结果表明,Meta-MTP具有良好的性能和分子毒性预测能力,当样本数为10时,相较于FSGNNTR(Few-Shot Graph Neural Network-TRansformer)模型,在TOX21和SIDER数据集的曲线下面积(AUC)分别提高了1.4%和5.4%;相较于GIN、图卷积网络(GCN)、GraphSAGE三种传统的图神经网络模型,AUC提高了18.3%~23.7%和7.3%~22.2%。
中图分类号: