一种基于图卷积神经网络预测小分子化合物解离常数的方法

摘要

本发明涉及一种基于图卷积神经网络预测小分子化合物解离常数的方法，该方法不同于传统的基于分子指纹的预测方法，通过图卷积神经网络自动学习与解离常数有关的化学模式构建预测模型。ChEMBL数据库中160万种化合物的解离常数用于训练模型。此外，为了快速确定每个化合物中的解离中心，本发明基于ChEMBL数据库构建了一个含144个SMARTS模板的子结构数据库。预测新的化合物时，首先使用SMARTS模板库匹配化合物中的解离中心，然后依次预测每个解离中心的解离常数。利用本发明，可以快速准确地预测化合物的解离常数，提高药物设计和虚拟筛选的效率。