[发明专利]基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法

摘要

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。